Modern DSLR'lerde neden hala fiziksel bir kenar yumuşatma filtresi gerekiyor?


13

Kenar yumuşatma (AA) filtresinin amacının harelenmeyi önlemek olduğunu anlıyorum. Dijital kameralar ilk ortaya çıktığında hareli desenleri önlemek için yeterli bulanıklık yaratmak için bir AA filtresi gerekliydi. O zaman kamera işlemcilerin gücü çok sınırlıydı. Peki modern DSLR fotoğraf makinelerinde sensörün üzerine AA filtresi yerleştirmek neden hala gerekli? Bu, sensörden gelen çıktı demosaged edildiğinde uygulanan algoritmalar ile kolayca gerçekleştirilemedi mi?Kameradaki mevcut işlem gücünün buna birkaç yıl öncesine göre çok daha fazla izin verdiği görülüyor. Canon'un mevcut Digic 5+ işlemcisi, en eski dijital kameraların gücünü gösteren Digic III işlemcinin 100 katından fazla işlem gücüne sahiptir. Özellikle RAW dosyaları çekerken, işleme sonrası aşamada AA bulanıklaştırma yapılamadı mı? İlkine karşı koymak için ikinci bir filtre kullanmasına rağmen, bu Nikon D800E'nin temel dayanağı mıdır?


O değil. Pentax K-5 II, Nikon D800E ve Olympus PEN E-PM2 ve tüm Fujis (X-E1, X-Pro1) gibi aynasız modeller de dahil olmak üzere kenar yumuşatma filtresi olmayan DSLR'ler var. Ayrıca AA filtresi olmayan sabit lensli kameraları (X20 ve X100S) duyurdular.
Itai

1
Ve tüm bu kameralar zaman zaman renk hareli gösteriyor.
Kendall Helmstetter Gelner

3
Gerçekten de diğer kameralar da öyle. Tüm harelenmeyi önleyen bir kenar yumuşatma filtresinin çok güçlü olacağından şüpheleniyorum, bu nedenle üreticiler daha az güçlü AA filtreleri kullanıyor. Örnek olarak, K-5 II'lerim ve K-5 II karşılaştırmamda harman, her iki kamerada da gerçekleşiyor, sadece K-5 II'lerle çok daha fazla.
Itai

1
IIRC'de yeni Nikon D7100 modelinde de bir tane yok.
James Snell

1
Ve şimdi, Pentax K-3'ün bir filtresi yok, ancak simüle etmek için pozlama sırasında sensörü çok, çok hafif bir şekilde titreştirme modu var. Bu alanda birçok ilginç yenilik.
Lütfen Profilim

Yanıtlar:


12

Takma ad, kabaca aynı frekansta birbirlerini istenmeyen bir şekilde karıştırarak tekrar eden kalıpların sonucudur. Fotoğraflama durumunda, lens tarafından sensöre yansıtılan görüntünün daha yüksek frekansları, piksel ızgarası ile girişim paterni (bu durumda moiré) oluşturur. Bu parazit yalnızca bu frekanslar kabaca aynı olduğunda veya sensörün örnekleme frekansı görüntünün dalgacık frekansıyla eşleştiğinde ortaya çıkar. Nyquist limiti budur. Not ... bu analog bir konudur ... moiré, görüntü gerçekte açığa çıkmadan önce gerçek dünyada gerçek zamanlı olarak oluşan parazit nedeniyle oluşur.

Görüntü açığa çıktığında, bu girişim paterni etkin bir şekilde "pişirilir". Yazılı olarak moiré desenlerini temizlemek için yazılımı bir dereceye kadar kullanabilirsiniz, ancak sensörün önündeki fiziksel düşük geçişli (AA) filtreye kıyasla minimum düzeyde etkilidir. Moiré nedeniyle detay kaybı, biraz bulanık detayın hala yararlı olabileceği moiré etkili bir şekilde saçma veriler olduğundan, AA filtresine kaybolandan daha büyük olabilir.

AA filtresi, Nyquist'te bu frekansları bulanıklaştırmak için tasarlanmıştır, böylece herhangi bir girişim deseni oluşturmazlar. Hala AA filtrelere ihtiyacımızın nedeni, görüntü sensörleri ve lenslerin hala aynı frekansa kadar çözebilmeleridir. Sensörler, sensörün kendisinin örnekleme frekansının, optimum diyafram açıklığındaki en iyi lenslerden bile sürekli olarak daha yüksek olduğu noktaya geldiğinde, bir AA filtresine duyulan ihtiyaç azalacaktır. Objektifin kendisi bizim için gerekli bulanıklığı etkili bir şekilde ele alacak ve ilk etapta parazit modelleri asla ortaya çıkmayacaktı.


İşte photo.stackexchange.com/questions/10755/… 'de yayınlanan bir yorum bölümü . Hala doğru olduğuna inanıyor musunuz? Öyleyse, RAW verileri demosa olana kadar desen nasıl pişirilir? "İronik olarak, en azından RAW ile, teorik nyquist sınırı her zaman sert bir sınır gibi görünmüyor, bu muhtemelen kırmızı, yeşil ve mavi ışığın farklı dalga boylarından ve bir sensördeki RGB piksellerinin dağılımından kaynaklanıyor. - jrista ♦ 10 '11 Nisan 18:50 "
Michael C

1
Genelde oradaki çözünürlükten bahsettiğime inanıyorum ve kaydedilen dijital sinyalin doğrudan örtüşmesinden değil. Nyquist sınırı, düzensiz RGRG ve GBGB sıraları nedeniyle bir bayer sensöründe çivilemek zor bir şeydir. Uzamsal çözünürlük , kırmızı veya mavi ışık Nyquist sınır yeşil ışık Nyquist sınırından daha düşük bir frekansta olacak şekilde yeşil, kırmızı veya mavi uzamsal çözünürlüğü daha fazladır. Bir demografik görüntüdeki nyquist sınırı tam olarak çağırmak zor, bu yüzden somut bir matematiksel sınırdan ziyade bulanık bir bant haline geliyor.
jrista

1
... bu desen görüntünün bir parçası oluyor. Sanal görüntünün tam dalgacık özelliklerini bilseniz ve o zamandan dört kat daha fazla bir seri üretebilseniz bile, hareyi "mükemmel" bir şekilde ortadan kaldırmak için görüntünün sensörün sanal konseptine göre yönünü değiştirmeniz gerekir. Bu, aşırı derecede yoğun, son derece matematiksel bir çalışma ... orijinal sanal görüntü sinyalinin EXACT doğasını ve bunun sensörle ilişkisini bildiğinizi varsayarsak. Bir kenar yumuşatma bir RAW haline getirildikten sonra, hemen hemen yapılır, ayrıntıyı yumuşatmadan gerçekten geri alma yoktur.
jrista

1
Kırmızı / mavi ve yeşil arasındaki frekans farkı hakkında her şeyi biliyorum. Sadece nyquist'te filtreleme yapan mevcut tüm optik AA filtrelere gelince, gerçekten kameraya bağlıdır. Tüm AA filtreleri tam olarak aynı şekilde tasarlanmamıştır ve aynı marka için bile, farklı modellerde ve farklı hatlarda genellikle farklı davranan AA filtreleri bulunur. Tarihsel olarak 1D ve 5D hatlarının nyquist'in hemen üzerinde bazı frekanslara izin verdiğini biliyorum, ancak bunun lens çözünürlüğü ile dengeleme meselesi olduğunu düşünüyorum.
jrista

1
Canon 18mp APS-C, D800, D3200 gibi daha küçük piksele sahip sensörlerde pikseller gerçekten çok küçük oluyor. Gerçekten yeni lensler (Canon'un Mark II L serisi nesil gibi ve sadece son iki-üç yıl içinde piyasaya sürülenler gibi) küçük bir segmentin dışında, sensörü önemli ölçüde daha fazla çözmek ve nyquist. Nyquist'in etrafında filtreleyin ve lensin kendisi bunun ötesinde ayrıntıları bulanıklaştıracaktır. 5D hattının aşırı güçlü bir AA filtreye sahip olmasının nedeninin bir parçası olduğunu düşünüyorum ... lensler daha kolay çözülüyor.
jrista

11

Fizik bu şekilde çalışmaz. Örtüşme, geri döndürülemez şekilde Nyquist sınırını aşan frekansları, sınırın altındaki frekanslar olarak görünecek şekilde dönüştürür, ancak bu "takma adlar" gerçekten orada değildir. Diğer durumda sinyalin işlenmesi için hiçbir miktar orijinal durumda orijinal sinyali geri getiremez. Süslü matematiksel açıklamalar, örnekleme teorisi ve dijital sinyal işleme konusunda bir sınıfınız olmadıkça girmesi oldukça uzundur. Eğer olsaydı, soruyu sormazdın. Ne yazık ki en iyi cevap basitçe "Fizik bu şekilde çalışmaz. Üzgünüm, ama bana bu konuda güvenmen gerekecek." .

Yukarıdakilerin doğru olabileceğine dair kaba bir his vermek için, bir tuğla duvarın resmini düşünün. Bir AA filtresi olmadan, tuğla çizgilerinin dalgalı görünmesini sağlayan hareli desenler (aslında takma adlardır) olacaktır. Gerçek binayı hiç görmediniz, sadece dalgalı çizgilerle resim.

Gerçek tuğlaların dalgalı bir şekilde döşenmediğini nasıl anlarsınız? Sen farz onlar tuğla ve tuğla duvarlar görme insan deneyiminin genel bilgiden değildi. Bununla birlikte, birisi kasıtlı olarak bir nokta yapmak için tuğla duvar yapabilir, böylece gerçek hayatta (kendi gözlerinizle bakıldığında) resim gibi görünebilir mi? Evet yapabilirler. Bu nedenle, normal bir tuğla duvarın takma adını ve kasıtlı olarak dalgalı bir tuğla duvarın sadık bir resmini matematiksel olarak ayırt etmek mümkün mü? Hayır öyle değil. Aslında farkı gerçekten de söyleyemezsiniz, ancak bir resmin muhtemelen neyi temsil ettiği konusundaki niyetiniz size yapabileceğiniz izlenimi verebilir. Kesinlikle söylemek gerekirse, dalgaların hareli desen eserler olup olmadığını veya gerçek olup olmadığını söyleyemezsiniz.

Yazılım dalgaları sihirli bir şekilde kaldıramaz çünkü neyin gerçek neyin gerçek olmadığını bilmiyor. Matematiksel olarak, en azından sadece dalgalı görüntüye bakarak bilemeyeceği gösterilebilir.

Bir tuğla duvar, takma adın resminin yanlış olduğunu bildiğiniz bariz bir durum olabilir, ancak gerçekten bilmediğiniz ve daha fazla takma işleminin devam ettiğinin farkında olmayabileceği çok daha ince durumlar vardır.

Yorumlara yanıt olarak eklendi:

Bir ses sinyalini ve görüntüyü yumuşatmak arasındaki fark, sadece birincisinin 1D ve ikincisinin 2D olmasıdır. Teori ve efektleri gerçekleştirmek için herhangi bir matematik hala aynıdır, sadece görüntülerle uğraşırken 2D olarak uygulanır. Numuneler, dijital bir kamerada olduğu gibi düzenli bir dikdörtgen ızgara üzerindeyse, diğer bazı ilginç sorunlar ortaya çıkar. Örneğin, örnek frekansı, eksene hizalanmış yönlere uygulandığı şekilde diyagonal yönler boyunca sqrt (2) daha düşüktür (yaklaşık 1.4x daha düşük). Bununla birlikte, örnekleme teorisi, Nyquist hızı ve takma adların gerçekte ne olduğu 2D sinyalde 1D sinyalden farklı değildir. Temel fark, frekans uzayında düşünmeye alışkın olmayanların aklını sarmak ve bir resimde gördüğünüz şey açısından ne anlama geldiğini yansıtmak için daha zor olabileceği gibi görünüyor.

Yine, hayır, aslında en azından orijinalin ne olması gerektiğini bilmediğiniz genel durumda değil, bir sinyalin ardından "bir sinyal" oluşturamazsınız. Sürekli bir görüntü örnekleme neden Hareler olan takma. Aynı matematik, bir ses akışına takma ve arka plan ıslık sesi gibi yüksek frekanslar için de geçerli olduğu için onlar için de geçerlidir. Bunu açıklamak için aynı teori ile aynı şeyler ve onunla başa çıkmak için aynı çözüm.

Bu çözüm, örneklemeden önce Nyquist sınırının üzerindeki frekansları ortadan kaldırmaktır . Basit bir düşük geçiş filtresi ile yapılabilen seslerde, bir direnç ve kapasitörden yapabilirsiniz. Görüntü örneklemede, yine de düşük geçişli bir filtreye ihtiyacınız vardır, bu durumda sadece tek bir piksele çarpan ve onu komşu piksellere yayan ışıklardan bir kısmını alır. Görsel olarak, bu daha önce görüntünün hafifçe bulanıklaşmasına benziyorörneklenir. Yüksek frekans içeriği, görüntüdeki ince ayrıntılara veya keskin kenarlara benziyor. Tersine, keskin kenarlar ve ince ayrıntılar yüksek frekanslar içerir. Tam olarak bu yüksek frekanslar örneklenen görüntüdeki takma adlara dönüştürülür. Orijinalin düzenli içeriği olduğunda bazı takma adlar hareli desen olarak adlandırdığımız şeydir. Bazı takma adlar, özellikle neredeyse dikey veya yatay olduklarında çizgilere veya kenarlara "merdiven basamağı" efekti verir. Takma adların neden olduğu başka görsel efektler de vardır.

Ses sinyallerindeki bağımsız eksenin zaman olması ve bir görüntünün bağımsız eksenlerinin (ikisi de sinyal 2B olduğu için) mesafe olması, matematiği geçersiz kılmaz veya bir şekilde ses sinyalleri ve görüntüler arasında farklı kılar. Muhtemelen örtüşme ve kenar yumuşatma teorisi ve uygulamaları zamana dayalı gerilimler olan 1D sinyalleri üzerinde geliştirildiğinden, "zaman alanı" terimi "frekans alanı" ile karşılaştırmak için kullanılır. Bir görüntüde, frekans olmayan alan gösterimi teknik olarak "mesafe alanı" dır, ancak sinyal işlemede basitlik için buna rağmen "zaman alanı" olarak adlandırılır. Bunun sizi takma adın gerçekte olandan uzaklaştırmasına izin vermeyin. Ve hayır, teorinin görüntüler için geçerli olmadığının kanıtı değil, sadece tarihsel nedenlerden ötürü şeyleri tanımlamak için bazen yanıltıcı bir kelime seçimi kullanılır. Aslında, görüntülerin sık olmayan alan adına uygulanan "zaman alanı" kısayolu aslındaçünkü teori görüntülerle gerçek zamana dayalı sinyaller arasında aynıdır. Takma ad, bağımsız eksenin (veya eksenlerin) ne olduğuna bakılmaksızın takma adıdır.

Bunu, örnekleme teorisi ve sinyal işleme üzerine birkaç kolej kursu düzeyinde araştırmaya istekli olmadığınız sürece, sonunda sadece sahip olanlara güvenmek zorunda kalacaksınız. Bu konuların bazıları, önemli bir teorik arka plan olmadan sezgisel değildir.


Örnekleme ve dijital sinyal işleme konusundaki tüm geçmişim, dijital ses ile ilgili olmuştur. Düşük geçiş filtresinin belirli bir frekansın üzerindeki sesleri AD dönüşümüne girmesini nasıl sınırlandırdığını anlıyorum. 44.100 Hz'de örnekleme yapıyorsanız, yaklaşık 20 Khz'de yuvarlanmaya başlayan bir filtre uygularsınız ve 22 Khz'nin yanıtları hemen hemen gider. Ancak dijital görüntüleme ile bu o kadar basit değil, çünkü AA filtrelerle bile bazı takma adlar geçiyor. Başka bir yerde filtrelerin Nyquist üzerindeki her şeyi engellemeye çalışmadığını çünkü çözünürlüğü çok azaltacağını okudum.
Michael C

1
Bir kamerada bir alçak geçiren filtrenin uğraştığı sorunun ses işlemede bir alçak geçiren filtrenin uğraştığı sorunla aynı olmadığı konusunda hemfikirim. Bunu koymanın en iyi yolu, bir ses düşük geçiş filtresinin doğrudan bir elektronik sinyalle çalıştığı, optik bir düşük geçiş filtresi olarak bir lens tarafından üretilen bir görüntü sinyalinin uzamsal frekanslarında çalıştığıdır. Üzerinde çalışmaya alışkın olduğunuz elektronik sinyal, görüntü sinyalinden farklı bir yapıya sahiptir.
jrista

1
@Michael: Cevabımın eklenmesine bakın.
Olin Lathrop

1
"Sürekli bir görüntü örneklemesinden kaynaklanan hareli desen takma adlardır." - Olin. Bence buradaki kilit nokta! Gerçekte pozlamayı aldığınızda, orijinal sanal görüntünün saf bir sürümünü kaydetmiyorsunuz ... o orijinal sanal görüntü içindeki veri noktalarının diğer adlarını kaydediyorsunuz. Bilgisayarınızdaki veriler takma adlar içeriyor. Koymak için çok güzel, özlü ve net bir yol. :)
jrista

1
@Michael: Tam renkli piksellerin ham sensör değerlerinden nasıl enterpolasyonlu olduğu hakkında söyledikleriniz doğrudur, ancak diğer adlandırma tartışmasına etkisi yoktur. Sonuçta, gerçek sürekli görüntü hala ayrı noktalarda örneklenmektedir, bu nedenle, takma adlardan kaçınmak için örneklemeden önce bir anti-alising filtresi gereklidir. Cebir hakkındaki yorumunuza gelince, bu kesinlikle bir anlam ifade etmiyor. Elbette cebir, daha yüksek değişkenli polinomlar ve 2B denklemler için geçerlidir, daha fazla bağımsız değişken olması nedeniyle daha karmaşık hale gelir.
Olin Lathrop

6

Yazılımda aynı etkiyi elde edemezsiniz. Belli varsayımlar göz önüne alındığında yakınlarda bir yere gidebilirsiniz. Ancak AA filtresi ışığı yayır, böylece AA olmayan filtre sensöründe bulunmayan bilgileri veren birden fazla farklı renkli piksele çarpar.

Nikon D800E, AA filtresini çoğaltmak için hiçbir şey yapmaz. Görüntüde yüksek frekans paternleri varsa, hareli alırsınız ve bu sizin probleminizdir - bununla başa çıkmanız gerekir!

Görüntüdeki ayrıntı sıklığı örnekleme sıklığına çok yakın olduğunda kenar yumuşatma daha kötüdür. Düşük çözünürlüklü sensörlü (ve dolayısıyla düşük frekanslı örnekleme) olan eski kameralar için hareli, birçok görüntü detayı türünde ciddi bir sorundu, bu nedenle AA filtreleri güçlüdür (sınırlı işlem gücü ile ilgisi yoktur). Şimdi çok daha yüksek örnekleme frekanslarımız var, hareliğin ortaya çıkması çok daha yüksek frekanslı görüntü detaylarını gerektiriyor.

Sonunda örnekleme frekansları o kadar yüksek olacak ki, gerekli yüksek frekanslı nesne detayları lens sapmalarını ve kırınım etkilerini geçmeyecek ve AA filtresini gereksiz hale getirecektir. Bu, bazı MF sırtlarının AA filtresi, süper yüksek çözünürlüklü ve f / 32'de ateşi kanıtlayan dev Profoto güç paketleriyle çekim yapmaktan hoşlanan moda fotoğrafçılarının eksik olmasının nedenidir.


Görünüşe göre, demosaicing sürecinde yapılan enterpolasyon, aynı şeyi başarmak için modifiye edilebilir, çünkü bitişik piksellerin ortalaması burada yapılan şeydir. Nikon D800E, diğer kameralar gibi iki AA filtre bileşenine sahiptir, ancak yatay olarak bir polarize ışık ve diğeri dikey olarak polarize etmek yerine ikincisi ilkinden 180 derecedir ve polarize ışınları ilkinden alır ve bunları tek bir akışta birleştirir. Bkz. Photo.stackexchange.com/questions/22720/…
Michael C

2
@MichaelClark Hayır, yıkım sürecinde aynı etkiyi elde edemezsiniz. D800E sensörüne çarpan tek bir ışık noktası yalnızca bir fotoğraf alanında şarj üretecektir. Komşu piksellere bakarak ışığın ne renk olduğunu söylemenin bir yolu yoktur, bilgi sonsuza kadar kayboldu. D800 sensörüne (AA filtreli) çarpan aynı ışık noktası, bir piksele ve çevresindeki piksele daha az vurur. Komşu pikseller yoğunluklarına bakarak farklı renk filtrelerine sahip olduğundan, bir demosaicing algoritmasının ışığın rengini tahmin etmesi mümkündür.
Matt Grum

1
@MichaelClark D800E'nin bu düzenlemeye sahip olmasının tek nedeni, üretim sürecini basitleştirmektir, giriş aşamasında filtrelerden birinin yönünü değiştirmek, şeffaf bir cam elemanı için iki filtreyi değiştirmekten çok daha kolaydır - sonuçta filtre istifinin kırıcı bir etkiye sahip olmasıyla aynı yükseklikte olması gerekir ve modern lens tasarımları bunu dikkate alır. Her iki filtreden birini D800E üzerine koymamak, görüntülerde ince bir sapma yaratacaktır.
Matt Grum

Ancak aynı zamanda tek bir ışık noktasının bir sensör alanına çarptığı, karşılık gelen ışık noktaları bitişik sensör alanlarının tümüne çarpıyor ve AA filtresi hepsinin birbirlerine ışık dökmesine neden oluyor. Çoğu demosaging algoritması, sadece anlık piksel kuyularının değil, aynı renk duyarlılığına sahip diğer yakın piksel kuyularının parlaklık seviyelerini karşılaştırmak için enterpolasyon kullanmaz mı? Etkili, bitişik pikselleri matematiksel olarak ne yaptığınızı bulanıklaştırmıyor musunuz?
Michael C

1
@MichaelClark takma adı bulanıklaştırma değildir. Birbirinden çok uzaktaki pikselleri etkiler . Örneğin, her 50 pikselde bir vuruş elde edersiniz. 10'un üzerinde giriş / çıkış soluyor. Bu şerit gerçek miydi yoksa piksellerden daha küçük çizgilerden mi kaynaklandı? Sen bilemezsin.
JDługosz

2

Bunların hepsi iyi cevaplar ve iyi bilgilerdir. Çok basitleştirilmiş bir açıklamam var. 2B'den 1B'ye geçelim (aynı konsept geçerlidir).

Bir frekans "izin verilen maksimum frekans" dan daha yüksek bir sensöre çarptığında , aslında alt tarafa bir ayna frekansı oluşturur . Görüntünüz örneklendikten sonra bu düşük sinyali görürsünüz ancak kamera veya bilgisayarınız bunun gerçekten orada olan gerçek bir düşük sinyal olup olmadığını veya çok yüksek bir sinyalden oluşturulan bir takma ad olup olmadığını bilmez. Bu bilgi kaybolur. "İzin verilen maksimum frekans" veya nyquist frekansın nedeni budur. Bunun örneklenebilen en yüksek frekans olduğunu ve üstündeki bilgilerin kaybolacağını söylüyor.

analogdan sese: diyelim ki sisteminizi 0hz ila 1000hz arasında bir frekans aralığı istediğiniz yere kurdunuz. Biraz ekstra oda bırakmak için 3000hz'de örnekleyin, bu da niquist 1500hz'nizi yapar. aa filtresinin girdiği yer burasıdır. 1500hz'nin üzerinde hiçbir şeyin girmesini istemezsiniz, gerçekte kesme işleminiz 1000hz'den hemen sonra başlayacaktır, ancak 1500hz'ye ulaştığınızda hiçbir şeyin kalmamasını sağlarsınız.

aa filtresini unuttuğunuzu ve sensörünüze 2500 hz'lik bir tona izin verdiğinizi varsayalım. Örnekleme hızı (3000hz) etrafında yansır, böylece sensörünüz 500 hz'de (3000hz - 2500hz) bir ton alır. sinyaliniz örneklendiğine göre, 500Hz'in gerçekten orada olup olmadığını veya bir takma ad olup olmadığını bilemezsiniz.

Btw. ayna görüntüleri tüm frekanslar için gerçekleşir, ancak daha sonra kolayca filtreleyebileceğiniz için nyquist'in üzerinde olmadığınız sürece sorun olmaz. örnek giriş tonu 300 hz'dir. takma adınız olacaktır (3000 - 300 = 2700hz [ve ayrıca doğru olmak gerekirse 3000 + 300 = 3300hz]). Ancak, sadece 1000 hz'ye kadar düşündüğünüzü bildiğiniz için bunlar kolayca kaldırılacaktır. ayna görüntüleri aslında istediğiniz spektruma girdiğinde sorun ortaya çıkar, çünkü farkı söyleyemezsiniz ve "pişmiş" ile kastedilen budur.

Bu yardımcı olur umarım


1
Fotoğrafçılık bağlamında "örtüşme" dışında tek bir piksel kuyucuğuna vuran ışığın belirli frekanslarına değil, sensöre yansıtılan görüntüde tekrarlanan desenlere dayalı 'boşluk' vardır. Çoğu kamera sensöründeki optik alçak geçiren filtreler Nyquist sınırının üzerindeki "tüm" frekansları filtrelemez, yalnızca Nyquist sınırında ve ilgili katlarda 'en' tekrarlanan modelleri filtreler.
Michael C

Yorumunuz için teşekkür ederim. Ayrıca ışığın frekanslarından değil, bir pikselden diğerine yoğunluktaki değişim oranından bahsediyordum. Renkleri görmezden geliyordum. Sanırım 3 ayrı siyah beyaz resim olarak bakıyordum. Daha sonra her biri bir renk alır ve birlikte yerleştirilir, tüm renkleri oluştururlar. Kafamı görüntülerdeki frekansların etrafına sarmak benim için hala zor. Siyah bir pikselin hemen yanında beyaz bir piksel olduğunda, hızlı değişim oranı nedeniyle yüksek frekansları temsil eder ve koyu gri pikselin yanındaki açık gri piksel daha düşük bir frekanstır.
pgibbons

Bayer maskeli bir sensörün yıkımının çalışması tam olarak bu değildir ve aslen soruyu sormamın bir nedeni budur.
Michael C

Bu bağlamda daha yüksek frekanslar, her tekrar arasında sensör üzerinde daha az mesafe olan tekrar eden kalıplardır. Düşük frekanslar, her bir tekrar arasında daha fazla mesafe olan tekrar eden kalıplardır. Bir sensörün piksel aralığı 6 µm ise, her 3 µm'de tekrar eden desenler Nyquist frekansında olacaktır. Her 4 µm'de tekrar eden modeller NF'nin altında ve her 2µm'da tekrar eden desenler bunun üzerinde olacaktır.
Michael C
Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.