Всегда снимаю RAW+JPEG Если кто и снимает только в JPEG, то выбирают режим L Кто-нибудь использует режимы M и S? Зачем их вообще забивают в камеру?
Иногда при съёмке для прессы тоже снимаю РАВ+Джепег С. размера 2100х1500пикс достаточно для публикации в газете. Поэтому, когда нет времени на конвертацию или знаю, что буду обрабатывать не я, Джепег С- самое "лучшее" решение
RAW+S это наилучший вариант, мне кажется. т.е. в новых-то камерах дополнительные режимы понятны, вот только A100 снимает только RAW+L, жаль что не регулируется...
Если для меньшего размера используется биннинг, то выигрыш очевиден - уменьшение шумов. Отсюда и области использования.
Это операция усреднения по группе 2х2, 3х3 и т.д. пикселов с последующим соответствующим уменьшением размера изображения в 2, 3 и т.д. раз. При такой операции в соответствии с законами мат. статистики происходит уменьшение шумов в sqrt(4)=2, sqrt(9)=3, и т.д. раз. Результатом биннинга является возможность увеличения чувствительности сенсора в 2, 3,... раз при сохранении того же уровня шумов (как до биннинга). Плата за уменьшение уровня шума - потеря разрешения. В некоторый камерах, по-видимому, реализован именно такой алгоритм. Ну а по поводу термина "биннинг" - это тот самый случай лаконичности английского яз., в русском приходится использовать гораздо больше слов.
Тады следующий вопрос: Если я в фотошопе делаю ресайз с размера 2000х3000 пикселей до размера 1000х1500, это - операция усреднения 2х2 или что-нибудь другое?
ну например есть еще один случай использования меньшего разрешения. в а200 например серия в разрешении L с моей картой памяти = 15/16 кадров. в разрешении M уже около 33 кадров. хотя подскажите, может это у меня такая карта памяти левая или поддельная? потому что скорость у нее 133х
Как работает в ФШ просто алгоритм уменьшения размера снимка, я точно сказать не могу. Думаю, что в ФШ биннинг "вручную" можно сделать, применив сначала фильтр "box blur", а затем уменьшив в соответствующее число раз размер. Но лучше использовать более продвинутый метод шумоподавления, чем попиксельное усреднение.
Странные цифры выходят. Может посчитаем хотя бы случай 2х2? Очевидно, что имеем 4 сигнала (X1,X2,X3,X4) Каждый сигнал состоит из полезного сигнала (S1,S2,S3,S4) и шума (N1,N2,N3,N4) Для цифровой фотографии шум положителен, т.е. X1=S1+N1 и т.д. Среднее по четырем сигналам есть X=(X1+X2+X3+X4)/4, для которого отношение сигнал/шум есть A=(S1+S2+S3+S4)/(N1+N2+N3+N4). Пример - Xn для всех пикселов 12, из которых 2 шум, 10 полезный сигнал. Как не колдуй, из этих пикселов мы все равно получим 12 среднее, где соотношение сигнал/шум сохранится. Т.е. мы не получим ничего. Но вот для случая, когда для трех пикселов те же 12, а для одного 100 с полезным сигналом 10 мы получим небольшой выигрыш - результат при простом среднем 34, а более сложные алгоритмы могли бы и отбросить 100 и получить "хороший сигнал", но это уже теория... А практика - уменьшение масштаба замыливает цветовой шум в темных участках, он меньше режет глаз. Но причем тут квадратные корни...
В моем посте с квадратными корнями под "уровнем шума" нужно понимать "среднеквадратичное отклонение" от среднего значения. В Вашем примере при постоянном уровне шума (2), который Вы задали, его невозможно отделить от полезного сигнала (10). Нужно шум задать переменной величиной, тогда все сойдется.
неочень ясная терминология что-то. если сигнал например равен 100, то сигнал плюс шум может быть как 98 так и 102. ну то есть за сигнал очевидно надо брать матожидание. а за шум - корень из дисперсии (=среднеквадратичное отклонение). тогда всё сходится. математическая статистика...
Отклонение чего от чего среднего? Уровень шума есть его величина. И сама по себе усреднением она лишь усредняется, т.н. не уменьшается, не увеличивается. Есть еще отношение сигнал/шум. Как оно ведет себя - я показал на примерах, при этом можно не брать одинаковых значений (я их взял для простоты примера), нигде квадратных корней не будет. Тем более в случае усреднения 4-х пикселов, т.е. разных ячеек. Другое дело, когда мы имеем большую серию для одного пиксела (при условии, что в него попадает одинаковый полезный сигнал). Здесь да, уровень шума в полученном усреднением сигнале будет стремиться к его матожиданию, при этом здесь может будет прикрутить и квадратные корни для описания этого стремления, а потом взять, и вычесть усредненный дарк что бы совсем очистить кадр. Но это никоим боком не применимо у уменьшению разрешения. В этом случае вообще некорректно говорить о каком-то снижении шумов, так как усредненный "суперпиксел" является самостоятельной информацией со своим уровнем сигнала и со своим шумом. Если у вас 2 пиксела - черный и белый, и усреднив их вы получили серый - совершенно другую информацию.
Где-то может... Но прикройте крышкой объектив, сделайте несколько кадров и каков у вас будет сигнал, а каков шум? Все зависит от того, как подходить к шуму. Если под шумом воспринимать дополнительный паразитный сигнал, который раздражает фотографов, то убрать его уменьшением разрешения нельзя, можно размылить по сигналу. Речь то именно об этом.
имхо, имеет место быть либо полное непонимание вопроса, либо неспособность ясно донести мысль. особенно понравилось "уровень шума в полученном усреднением сигнале будет стремиться к его матожиданию"
подходить как обычно - как к случайной ошибке (отклонению) преобразования сигнала. систематические ошибки брать в расчет смысла, очевидно, не имеет. забавно, но непонятно.
Закройте объектив крышкой и сделайте несколько кадров. Возьмите полученный сигнал. Полезный сигнал в нем известен - 0. Все полученные значения в сигнале - шум. Не знаю кто и как, но я привык под мат. ожиданием некой дискретной величины понимать среднее при бесконечном числе опытов. Под уровнем шума - его величину, в данном конкретном случае получаемый сигнал.
Вы еще предложите снять солнце на открытой и с выдержкой секунд 20! По вашей логике получите 100% полезного сигнала! Это называется спор ради спора. Полезной информации - ноль. Wrest абсолютно корректно ввел матожидание и дисперсию. Фотографируем СЕРУЮ мишень с ПРАВИЛЬНОЙ экспозицией. Матрицу считаем черно-белой, для упрощения. так вот сначала берем, к примеру, результаты оцифровки с 16 соседних пикселов в квадрате 4х4. Затем усредняем значения каждых четырех ближайших пикселов (получается матрица 2х2 жирных пиксела). Матожидание будет в обоих случаях одинаковым, а вот дисперсия во втором случае уменьшится А насчет "стремления уровня шума к матожиданию" это прикольно . Вы в курсе, что "матожидание шума" равно, точнее стремится к нулю???
Есть шумы, а есть шумы Что касается случайных ошибок преобразования сигнала, то они то как раз настолько малы на фоне остального, что ими можно пренебречь. А то, что можно отнести к систематическим ошибкам как раз и создает то, что в фотографии называют шумами. Тот же тепловой шум для пары исо/выдержка можно получить, усреднить и вычесть. И это эффективнее снижения разрешения. Даже вычитание из единичного кадра такого среднего дарка дает очень хороший результат. Но если подходить к шуму лишь как к отклонению сигнала от среднего, то вместо черного будем получать байеровскую матрицу.
