Rossz Hold kelt föl

 Ezzel a témával már egyszer foglalkoztunk, amikor a szuperszékelyt akartuk szuperfelbontásúvá alakítani. Nem gigapanorámával, nem Brenizer metódusával, hanem sok fotó kiátlagolásával. Valami olyasmi ez, mint amit a csillagászok szoktak. A minap csomó ilyen videó jött szembe, hogyan kell szuper Holdat fényképezni, s mivel reggel jól látszódott a Hold, gondoltuk kipróbáljuk. 

A stakker programoknak millió beállítása van, képesek minőség-ellenőrzésre, képesek megjelölni a kritikán aluli képeket kiselejtezésre, és sokféle beállítás mentén lehet az illesztést is elvégezni. Sőt a Pipp képes RAW filet is feldolgozni, különféle debayer algoritmusokkal. A bemutató videókban azonban a Hold-képek összefűzése során semmiféle extra beállítást nem használtak a kollégák, tehát nem kell ezeknek a szoftoknak minden ága-bogát megismerni, csak kell szépen végighaladni érzésből. Szóval Pipp, AutoStakkert es Registax feldolgozással, ezek permutálásával, lássuk mit lehet elérni. 

27 felvételből dolgozunk, nagyjából ilyenekkel. Érdemes észrevenni az ég zajosságát, leginkább ezt fogják orvosolni a stacker programok.

A következő, a NEF-ből kidolgozott JPG-ekből lett összefűzbe Registaxban, ahogy a youtubos kolléga ajánlotta az élesítést. Jól látszik, hogy a Hold bal felső szélén egy sötét vonal alakult ki.

Nekünk ez túl sok volt, ezért csináltunk egy visszafogottabb élesítést. Nem olyan élesek a kráterek, viszont nincsenek rajta az élesítés miatt kialakuló artifactek, és még így is kicsivel részletesebbnek tűnik, mint az egyetlen kép. Mondjuk nem 27-szer, de határozottan jobb.

A következő Pippelve volt (direkt NEF-ből), aztán Autostakkert kapott, és Registaxban fejeztük be. Nem is értettük a youtubos szakember (szakasszony) miért építette egymásra mindhárom programot.

Hát ingyen ilyen debayert tud a Pipp. És akkor következzen a PS-ben egymásra nyitott képek, AutoAlign, SmartObject, és Median szűrő:

És így néz ki a 1 kép kontra a 27 kombója:

Ha kicsit megszaladna a Vibrance csúszka, akkor szinte hívhatnánk mineral moonnak is. 

Okos képjavítás - Ecce mono

A képminőségnek számtalan paramétere létezik, most a zajszűrést, a finom részleteket és a felbontást próbáljuk valamennyire körbejárni kifejezetten az ingyenes/próbaverziós mélytanulásos módszerekkel. 

Az ötlet egy kolléga naplójából való, de mi is írtunk már felbontásnövelésről, ahol több felvételből próbáltunk egy szuperrezolúciót illetve zajcsökkentést elérni (mérsékelt sikerrel, ám annál több munkával), aztán írtunk interpolációs algoritmusokról is, ahol a spéci matematikai modellek gondoskodnak a képméretezés utáni  optimális eredményről, szintén anélkül, hogy csodát művelnének és legutóbb az Adobe AI-ról is.  (És a mélytanulásról külön is volt már szó teljesen más kontextusban.)

A mélytanulásos képminőség javító alkalmazások gyerekcipőben járnak (2021.), s bár már számunkra is elérhetőek, az ingyenes változatok használhatatlanok a mindennapokban (főleg a méret-limit miatt, de a minőség sem túl meggyőző). Tehát nem javítanak annyira fel képeket, hogy kiváltanának egy profi szenzort és objektívet.  Tesztelgetni viszont lehet őket, az sem kizárt, hogy tesztképeink is elősegítik a folyamatos mélytanulást, tehát pár év múlva ne lepődj meg, ha az utcán felismer a Terminátor. 

Általában ezek az algoritmusok inkább illusztrációkra ígérnek jobb eredményt, nagyon pixeles és erősen életlen képekre kifejezetten gyengén teljesítenek. Nézzük a legnépszerűbbeket.

IMGLARGER - sajnos ingyenesen csak a Denoiser és Enhancer funkciókat tudtuk kipróbálni. 100% alatti nézetben az ImageSharpener elsőre csodaszernek tűnik. De belenagyítva és összehasonlítva egy sima sharpnessel (Camera Raw-ból), inkább egyfajta furcsa plasztik-hatást ad. Az alábbi összehasonlítást 200%-ra növeltük (best for enlarger methode), hogy jobban látszódjon a különbség.  

A képet érdemes 100%-ban nézni. Forrás: Nikon D500 tesztchart.

A tesztábra többi részén is keményen belenyúl a részletekbe, azokat valóban szépen kiemeli, rajzos, vonalas cuccokra kifejezetten alkalmasabb, mint a fotográfiákra. Ugyanakkor ez a hatás a klasszikus élesítő algoritmusokkal is szépen megközelíthető, sokkal jobban irányítható. 

Letsenhance. Kifejezetten képnövelő, ingyen csak öt képet hajlandó feldolgozni, de nekünk egy is elég volt belőle. Az összehasonlítás a Letsenhance és a PS Bicubic(best for enlargment) között zajlik. 

Nem állítjuk, hogy fabatkát sem ér (pláne a face enhance), de hogy magasról tesz a színhűségre, az is biztos. Ez egy öntörvényű művészrobot, na. A mocskos rasszista robotja ráadásul a baloldali fehér csajt csinálja meg a legjobban (száj körüli részek),  a többi fajokat inkább csak megmocskolja (főleg a japán kislányt #yellow face doesn't matter). 

Nézzük meg akkor a legnépszerűbb ingyenes mesterséges intelligenciák hogyan bánnak (el) egy igazi hun-kipcsák arcéllel. 4X nagyítást tesztelünk. A sorrend:
1. a lecsökkentett kép, sima lineárissal felnövelve, hogy a pixeles hatást adja.
2. ugyanez Best for enlargment bicubikkal, ezt tudja a PS legjobb növelésként, majd rendre
3. AI Image enlarger / 4. WAIFU / 5. Big JPEG / 6. Deep Image / 7. Icons8 / 8. UpscalePics 
100%-ban megkattintva nézzétek.

Háááát... Ti mit gondoltok? Hasonló jellegű teszteket végez itt a kolléga, a Topaz AI-jával. Van néhány olyan eset, amiben nem teljesít rosszul a mesterséges intelligencia, de összességében nem kaptunk kedvet a 100 dolláros cucchoz. De az is igaz, hogyha a PS bérleti díját is hozzácsapjuk, egy év alatt még mindig nem közelítettük meg egy rendesebb objektív árát. Szóval odébb van az idő, amikor majd a Skynet fog helyettünk fotózni. 

               

Mindenesetre a próbaverziónak adtunk egy esélyt, hogy biztosra tudjuk elengedni a témát, kétségünk se maradjon a haszontalansága felől.

A négy képernyőkép a Topaz négyféle AI beállításait mutatja. Továbbra se vagyunk meggyőzve, de mindenképpen érdekes a dolog. Lássuk a festményekkel hogyan boldogul, mert ott sokkal megengedőbb a szem, mivel nincs konkrét elvárás a jó képpel szemben. Íme tehát a borjai Bundás Krisztus: 

Szerintünk ezt majdnem annyira sikerült elrontania, mint Cecilia Giméneznek az eredetit. Na. le is kapjuk a gépról a Topáz robotját. Majd visszatérünk rá, ha ez a technológia serdülni kezd. 

Őrizd meg a részleteket

A legjobb képjavítás esemény előtti, ráadásul elég drága holmi, úgy hívják, hogy objektív. Lehetőleg jó drága lencse. Esetleg egy legújabb fullframes gép, nagyon kvantumhatékony szenzorral, moire-elleni szűrő (anti-aliasing) nélkül. Nekünk egyikre sincs pénzünk. Meg amennyit és ahogyan fotózunk, nem is nagyon járna. Az összes többi, digitális, szoftveres módszer csak erőtlen kísérlet a jó rajzú lencse, és egy nagyfelbontású szenzor utánzására. 

A bejegyzés a PS Preserve details 2.0 (Artificial Intelligence - Adobe Sensei?) interpolációját járja körbe, hogy egyáltalán érdemes e használni bármire is.

A Camera Raw szintén mélytanulásos Enhancerét már teszteltük, és arra jutottunk, hogy hétköznapi fotózásban nem érdemes használni. Legalábbis a D5000 (az antialiase szűrő miatt?) nyersével nem tud már mit kezdeni a demozaikolás során. Viszont nem kizárt, hogy egy nagyobb felbontású újabb szenzor esetén, moirera hajlamos textúrák esetén megérdemel egy újabb próbát.

A Preserve details 2.0 a lenyitható Resample listában kellene megjelenjen, ha nem látszik, akkor a Peferencies/Technology Previews pontban lehet engedélyezni. Mellesleg a PS sem egy kifejezetten olcsó eszköz. 

A továbbiakban 400% nagyítást tesztelünk, mert még így is csak nüansznyi a különbség. A korrekt összehasonlítás érdekében a képet 400%-ra növeljük előbb Nearest Neighbor módszerrel (minden pixel helyén négy ugyanolyan pixel keletkezik), majd ehhez fogjuk hasonlítani a Bicubic (best for enlargment) és a mélytanulásos Preserve details 2.0 módszert (50% noise beállítással). Kattintsd meg a képet, hogy egy az egyben lásd.

Tehát baloldalt az eredeti, középen a Bicubic, jobboldalt meg a PS mesterséges intelligenciája. Ha nem mereszted a szemed, azt hiszed ez csak egy sima képrészlet, de ha jobban megfigyeled, három részből áll. A baloldali rész pixeles, a középső inkább blúros, a jobboldali pedig mintha műanyagból lenne fröccsöntve. Na ennyike a különbség. 

Itt is ugyanez a helyzet, ha nem figyeled meg rendesen, nem veszed észre, hogy három minőséget látsz. 

Talán ezen látszik a legjobban, hogy az AI nem ismeri túl jól a fenyőfákat télen. Leginkább olvadt műanyagfenyőket festett, de bezzeg a zajt szinte mind meghagyta. 

Volt régebb egy bejegyzésünk a kiátlagolásos képjavításról, ami bár csodálatosan csökkentette a zajt, viszont lágyította a képet rendesen, és cserébe rengeteg munkával is járt. Ezt hasonlítjuk össze a következő képen az AI módszerével.

Nézzünk most egy figurásabb részletet, a szobor fejét, ezennel mozgó giffben összevillogtatva. Lássuk az AI elképzelése jobb, vagy a sok képből össze hegesztett módszer.

Mit szólsz, melyik az AI és melyik a kiátlagolós? A lágyabb a Median, az AI élesebb, viszont művibb. 

Összességében azt tapasztaltuk, hogy még nincs meg az igazi csodaszer. Ahogyan a kiátlagolós módszert se használjuk a gyakorlatban (mert nem életszerű, hogy mindenről 10-15 képet olvasszunk össze), az AI-t sem fogjuk. És nem azért, mert a sima Bicubic csak pár másodperc, az AI meg fél percet is elmonyol a képpel, (még így is sokkal gyorsabb, mint a kiátlagolásos), hanem leginkább azért, mert nincs értékelhető minőségbeli különbség. 

A Camera RAW 13.2 verziójában újabb felbontásnövelő csodaszer van, ha kipróbáljuk majd írunk róla. 

Szuperszékely - szuperfelbontás

A legnagyobb székelyünk születése napjának alkalmából, mi mással tesztelhetnénk a szuperfelbontást? Tematikus tesztképek következnek a legnagyobb székely fotósról, úgyhogy, ha valakinél kivertük volna a biztosítékot a minap, mikor a Székelyföld leírását idézgettük Orbán Balázs gyengébb pillanataiból, annak legyen ez a jóvátétel. 

Nem a gigapanorámákról van szó. Csupán a Bayer-szűrő okozta felbontásvesztést próbáljuk visszanyerni olyan gépen, amire nem szereltek gyárilag pixelshiftet. Tehát ebben az esetben a lencse rajza mindenképpen egy plafon, annak minőségét nem tudjuk ezzel a módszerrel átlépni.

Körkérdés: szerintetek is átléphetetlen a lencse rajza multiexpóval? 

Szóval kiderült, hogy a szuperfelbontás ötlete, amit a youtubról nyaltunk, égi események fotózására nem alkalmas. A most következő képek kézből készültek, a pixelshiftet Grimpix imbolygása viszi a képletbe. Mivel lógott az eső lába is, ISO 800-at használtunk, legalább a módszer zajra gyakorolt hatását (milyen kifejezés már ez is) is tesztelhetjük.

Nemvárt nehézség volt, például a Nikon sorozatexponálásánál a pufferelési idő, ami JPEG mentésénél is kb. 10 kép után belassítja a folyamatot. Aztán, az is, hogy 20+ felvételből összehegeszteni  egy képet, akár egy órát is tarthat (12 megapixeles, 8 bites JPEGek), régebbi operációs rendszeren a 2 gigás fileméretmentési limit se felhasználóbarát. 64 bites rendszer erősen javasolt. És csak SSD vinyóval fogjatok neki, mert gigaszám zabálja a scratchdisket.   

A módszer pár lépésből áll. A kézből készült fotókat Photoshop Layersre nyitjuk. Az eredeti módszer szerint ekkor 200 százalékra növeli a kolléga a fileméretet (nearest neighbour). Auto align layers következik. Utána Smart Objektnek konvertáljuk az egymásra igazított rétegeket. Ezután Stack mode - Mean paranccsal megtörténik a csoda, vagyis a kiátlagolás. Ha nem cél a kétszer akkora fizikai felbontás (nálunk ez 48Mpx lenne), csupán a részletgazdagabb, zajtalanabb képet akarjuk, teljesen fölösleges megnövelni a fileméretet. Ugyanis kipróbáltuk és semmivel nem lett jobb a kép utólag visszacsökkentve 50 százalékra, ahhoz képest, amit eredeti méretben engedtünk végig a folyamaton. Viszont cserébe sokkal tovább tart a művelet. A Load Files into Stack paranccsal, kellően paraméterezve egyből egymásra igazított Smart Objectet kaphatunk, ami azért jó, mert elindítva mehetünk kávézni, amíg dolgozik a gép.

Első pillanatban azt hittük, megtaláltuk a tökéletes módszert arra, hogyan csináljunk 12 megapixeles géppel 48 megapixeles képeket, de aztán tüzetesebb elemzéssel az eredmény igencsak vegyes.

A zajt természetesen tökéletesen szűri, ezzel egy másik, régen tervezett zajszűrési módszerünket tette jégre, ugyanis ez a cucc sokkal elegánsabb. Csakhogy zajszűrés érdekében érdemesebb állványról csinálni a képeket, és nincs is szükség 5-10 darabnál többre. 

Észrevenni vélünk egy másik problémát is a módszerrel kapcsolatban. Mivel itt nem a szenzor mozog el, hanem a teljes kamera objektívestől, olykor nem is keveset, ezért simán kialakulhat nagy mélységű témák esetében egy akkora parallaxis, amit már az Auto Align nem tud rendesen lekezelni. Ezeket kiátlagolni sem lehet rendesen, emiatt lesznek elmosódottak egyes képi elemek. A jobboldali részlet pont azt mutatja, hogy az előtér kútkávájához képest a hátsó talapzat képei mindenféle parallaxist mutatnak, ebből átlagolni csakis életlenebb képet lehet.

Tehát mégsem érdemes kézből exponálni, érdemesebb valami finomabb mozgatást kitalálni állványról, vagy kerülni a nagy mélységű témákat. Ideális lehet várospanorámákhoz jó távolról. 

Ugyanakkor arra is alkalmas a módszer, hogy nagy tömegben eltüntessük az embereket a fotóról, csak sokáig kell sokat exponálni hozzá. Pl. a mi esetünkben egy biciklis kisgyerek igyekezett széttrollkodni a fotózást, de persze csak kikacagtuk, hiszen tudtuk, hogy esélye nincs rákerülni a fotóra.

Bájdövéj, pont most, amikor egy nem kevésbé híres székelyt temetnek (a vélemények szerint jó termés várható 2018-ban), tessék mondani, Nyírőt mostmár ki lehetne venni a hamutartóból? És a Hargitát visszaerdősíteni? Esetleg? Plíz!

Szuperhold, szuperrezolúció - FAIL

Ezt már régóta ki szerettük volna próbálni, csakhogy annyira lusták vagyunk fényképezni, hogy az borzasztó. Tehát ha már a Holdat le kellett izélni, reggel hatkor, mínusz mittoménmennyiben, akkor egyúttal a szuperrezolúciót is kipróbáltuk. Az elmélet ugye annyi, hogy akinek nincs pixelshiftelős csodamasinája, az picit mozgassa a gépet és közben exponáljon jó sokat. Itt pl. 20 képből dolgozik a kolléga. A mozgatás tényleg pici legyen, lehetőleg pixelméretű, de ez úgysem kivitelezhető. Kezdetben arra gondoltam, hogy lábujjal pöckölöm az állványt, de aztán hamar rájöttem, pedig ekkor még a kávémat se ittam meg, hogy a Hold 200 milliméteren úgyis annyira sprintel kifelé a képből, hogy az pont elég lesz shiftnek. Körben meg úgyis fekete minden. Na szóval 20 fotó. Aki megnézte a fenti videót, tudja hogyan kell belőle szuperfelbontást csinálni, itt nem írjuk le, mert még egyszer megpróbálkozunk vele más témával is, s majd akkor se fogjuk leírni.

A baloldali egyetlen exponálás, a jobboldali pedig 20 kép kiátlagolásával készült. Szóval a kísérlet kudarcba fulladt, nemhogy nem lett élesebb a kép, hanem egyenesen életlenebb lett, bár kevésbé zajos. Viszont ha a képeket gyorsan váltogatjuk az is látszik miért:

Látod? Nem? Akkor itt van nagyítva:

Ennyire hullámzik a légkör. Szóval ezzel a módszerrel csillagászati fotóknak NEM LEHET szuperrezolúciót létrehozni. 

És egy érdekesség, újabban a blogger tud animált giffel dolgozni. Csak behúzod és megy, mint a karikacsapás, a photobucket meg mehet a fenébe a pénzes szolgáltatásával.