เหตุใดจึงต้องใช้ตัวกรองการลดรอยหยักทางกายภาพในกล้อง DSLR รุ่นใหม่

ฉันเข้าใจถึงวัตถุประสงค์ของตัวกรอง anti-aliasing (AA) เพื่อป้องกันคลื่น เมื่อกล้องดิจิทัลปรากฏตัวกรอง AA ขึ้นครั้งแรกจำเป็นต้องสร้างความพร่ามัวเพียงพอที่จะป้องกันรูปแบบคลื่น ในเวลานั้นพลังของตัวประมวลผลกล้องมี จำกัด มาก แต่ทำไมยังจำเป็นต้องวางฟิลเตอร์ AA ไว้บนเซ็นเซอร์ในกล้อง DSLR รุ่นใหม่ ไม่สามารถทำได้โดยอัลกอริทึมที่ใช้งานได้อย่างง่ายดายเมื่อเอาท์พุทจากเซ็นเซอร์ถูกทำลายดูเหมือนว่ากำลังการประมวลผลในปัจจุบันที่มีในกล้องจะอนุญาตให้ทำได้ในตอนนี้มากกว่าเมื่อไม่กี่ปีที่ผ่านมา หน่วยประมวลผล Digic 5+ ปัจจุบันของแคนนอนมีพลังประมวลผลมากกว่า 100 เท่าของหน่วยประมวลผล Digic III ซึ่งแคระกำลังของกล้องดิจิตอลตัวแรก โดยเฉพาะอย่างยิ่งเมื่อถ่ายไฟล์ RAW จะไม่สามารถทำการเบลอ AA ในขั้นตอนหลังการประมวลผลได้หรือไม่ นี่เป็นหลักฐานขั้นพื้นฐานของกล้อง Nikon D800E แม้ว่าจะใช้ฟิลเตอร์ตัวที่สองเพื่อตอบโต้ก่อนหรือไม่?

การใช้นามแฝงเป็นผลมาจากรูปแบบการทำซ้ำ ๆ ของความถี่เดียวกันที่รบกวนซึ่งกันและกันในลักษณะที่ไม่พึงประสงค์ ในกรณีของการถ่ายภาพความถี่ที่สูงขึ้นของภาพที่ฉายโดยเลนส์ไปยังเซ็นเซอร์จะสร้างและรูปแบบการรบกวน (Moiréในกรณีนี้) ด้วยตารางพิกเซล สัญญาณรบกวนนี้เกิดขึ้นเมื่อความถี่เหล่านั้นมีค่าเท่ากันหรือเมื่อความถี่ในการสุ่มตัวอย่างของเซ็นเซอร์ตรงกับความถี่เวฟเล็ตของภาพ นั่นคือขีด จำกัด ของ Nyquist หมายเหตุ ... นั่นคือปัญหาอะนาล็อก ... moiréเกิดขึ้นเนื่องจากการรบกวนที่เกิดขึ้นตามเวลาจริงในโลกแห่งความเป็นจริงก่อนที่ภาพจะถูกเปิดเผย

เมื่อภาพถูกเปิดใช้งานรูปแบบของสัญญาณรบกวนนั้นจะ "ถูกอบอย่างมีประสิทธิภาพ" คุณสามารถใช้ซอฟต์แวร์ในระดับหนึ่งเพื่อทำความสะอาดลวดลายMoiréในโพสต์ได้ แต่จะมีประสิทธิภาพน้อยที่สุดเมื่อเปรียบเทียบกับฟิลเตอร์ low low pass (AA) ด้านหน้าเซ็นเซอร์ การสูญเสียรายละเอียดเนื่องจากmoiréอาจมากกว่าตัวกรอง AA ที่สูญหายไปเนื่องจากmoiréเป็นข้อมูลไร้สาระที่มีประสิทธิภาพซึ่งรายละเอียดที่เบลอเล็กน้อยอาจยังมีประโยชน์

ตัวกรอง AA ได้รับการออกแบบมาเพื่อเบลอความถี่เหล่านั้นที่ Nyquist ดังนั้นพวกเขาจึงไม่สร้างรูปแบบการรบกวนใด ๆ เหตุผลที่เรายังต้องการตัวกรอง AA ก็เพราะว่าเซ็นเซอร์ภาพและเลนส์ยังคงสามารถแก้ไขลงในความถี่เดียวกันได้ เมื่อเซ็นเซอร์ได้รับการพัฒนาจนถึงจุดที่ความถี่ในการสุ่มตัวอย่างของเซ็นเซอร์สูงกว่าเลนส์ที่ดีที่สุดที่รูรับแสงที่เหมาะสมอย่างต่อเนื่องดังนั้นความต้องการตัวกรอง AA จะลดลง ตัวเลนส์เองจะสามารถจัดการการเบลอที่จำเป็นสำหรับเราได้อย่างมีประสิทธิภาพและรูปแบบการรบกวนจะไม่เกิดขึ้นตั้งแต่แรก

ฟิสิกส์ไม่ทำงานอย่างนั้น aliasing ถาวรแปลงความถี่ที่ผ่านมาวงเงิน Nyquist ให้ปรากฏเป็นความถี่ที่ต่ำกว่าขีด จำกัด แม้ว่าบรรดา "นามแฝง" ไม่ได้จริงๆมี จำนวนการประมวลผลสัญญาณ aliased ไม่สามารถกู้คืนสัญญาณดั้งเดิมในกรณีทั่วไป คำอธิบายทางคณิตศาสตร์แฟนซีนั้นค่อนข้างใช้เวลานานจนกว่าคุณจะได้เข้าชั้นเรียนในทฤษฎีการสุ่มตัวอย่างและการประมวลผลสัญญาณดิจิตอล หากคุณมีคุณจะไม่ถามคำถาม น่าเสียดายที่คำตอบที่ดีที่สุดก็คือ"นั่นไม่ใช่วิธีการทำงานของฟิสิกส์ขออภัย แต่คุณต้องเชื่อใจฉันในเรื่องนี้" .

ในการพยายามที่จะให้ความรู้สึกคร่าวๆว่าข้างต้นอาจเป็นจริงให้พิจารณากรณีของรูปกำแพงอิฐ หากไม่มีตัวกรอง AA จะมีลวดลายเป็นคลื่น (ซึ่งจริงๆแล้วเป็นนามแฝง) ทำให้เส้นอิฐดูเป็นคลื่น คุณไม่เคยเห็นสิ่งปลูกสร้างจริงเพียงภาพที่มีเส้นหยัก

คุณจะรู้ได้อย่างไรว่าอิฐที่แท้จริงไม่ได้ถูกวางในรูปแบบของคลื่น? คุณคิดว่าพวกเขาไม่ได้มาจากความรู้ทั่วไปเกี่ยวกับอิฐและประสบการณ์ของมนุษย์ในการเห็นกำแพงอิฐ อย่างไรก็ตามมีใครสักคนที่จะสร้างจุดกำแพงอิฐโดยเจตนาเพื่อให้มันดูในชีวิตจริง (เมื่อมองด้วยตาของคุณเอง) เหมือนภาพ? ใช่พวกเขาทำได้ ดังนั้นจึงเป็นไปได้หรือไม่ที่จะแยกความแตกต่างของรูปภาพที่มีนามแฝงของกำแพงอิฐปกติและรูปภาพที่ซื่อสัตย์ของกำแพงอิฐที่มีคลื่นจงใจ? ไม่มันไม่ใช่. ในความเป็นจริงคุณไม่สามารถบอกความแตกต่างได้เช่นกันยกเว้นความตั้งใจของคุณเกี่ยวกับภาพที่อาจเป็นตัวแทนอาจทำให้คุณประทับใจ อีกครั้งพูดอย่างเคร่งครัดคุณไม่สามารถบอกได้ว่า wavies เป็นสิ่งประดิษฐ์ลายคลื่นหรือเป็นของจริง

ซอฟต์แวร์ไม่สามารถลบ wavies ได้อย่างน่าอัศจรรย์เพราะไม่รู้ว่าอะไรจริงและอะไรไม่ ในทางคณิตศาสตร์มันสามารถแสดงให้เห็นว่ามันไม่สามารถรู้ได้อย่างน้อยก็แค่ดูที่ภาพหยัก

กำแพงอิฐอาจเป็นกรณีที่เห็นได้ชัดซึ่งคุณสามารถรู้ได้ว่าภาพที่มีนามแฝงนั้นผิด แต่มีอีกหลายกรณีที่คุณไม่รู้จริง ๆ และอาจไม่รู้ด้วยซ้ำว่าการใช้นามแฝงเกิดขึ้น

เพิ่มในการตอบสนองต่อความคิดเห็น:

ความแตกต่างระหว่างการกำหนดนามแฝงสัญญาณเสียงและภาพเป็นเพียงสิ่งที่อดีตคือ 1D และ 2D หลัง ทฤษฏีและคณิตศาสตร์ใด ๆ ที่ตระหนักถึงเอฟเฟกต์ยังคงเหมือนเดิมเพียงแค่นำไปใช้ในแบบ 2D เมื่อต้องรับมือกับภาพ หากตัวอย่างอยู่ในตารางสี่เหลี่ยมปกติเช่นเดียวกับในกล้องดิจิทัลปัญหาอื่น ๆ ที่น่าสนใจเกิดขึ้น ตัวอย่างเช่นความถี่ตัวอย่างคือ sqrt (2) ต่ำกว่า (ประมาณ 1.4x ต่ำกว่า) ตามแนวทแยงมุมตามทิศทางแนวแกน อย่างไรก็ตามทฤษฎีการสุ่มตัวอย่างอัตรา Nyquist และนามแฝงจริง ๆ นั้นไม่แตกต่างกันในสัญญาณ 2D มากกว่าในสัญญาณ 1D ความแตกต่างที่สำคัญน่าจะเป็นสิ่งที่ยากขึ้นสำหรับผู้ที่ไม่เคยคิดที่จะใช้พื้นที่ความถี่ในการห่อหุ้มจิตใจของพวกเขาและคาดการณ์สิ่งที่มีความหมายในแง่ของสิ่งที่คุณเห็นในภาพ

อีกครั้งคุณไม่สามารถ "demosaic" สัญญาณหลังจากความจริงอย่างน้อยไม่ในกรณีทั่วไปที่คุณไม่ทราบว่าต้นฉบับควรจะเป็น รูปแบบลายเส้นที่เกิดจากการสุ่มตัวอย่างภาพต่อเนื่องเป็นชื่อแทน คณิตศาสตร์เดียวกันนี้ใช้กับพวกเขาเช่นเดียวกับที่ใช้กับนามแฝงความถี่สูงในสตรีมเสียงและทำให้เกิดเสียงเหมือนเสียงพื้นหลัง มันเป็นสิ่งเดียวกันกับทฤษฎีเดียวกันที่จะอธิบายและวิธีแก้ปัญหาเดียวกันเพื่อจัดการกับมัน

วิธีการแก้ปัญหาคือการกำจัดความถี่สูงกว่าขีด จำกัด ของ Nyquist ก่อนการสุ่มตัวอย่าง ในเสียงที่สามารถทำได้ด้วยตัวกรองความถี่ต่ำแบบง่ายๆที่คุณอาจทำจากตัวต้านทานและตัวเก็บประจุ ในการสุ่มตัวอย่างภาพคุณยังต้องใช้ตัวกรองความถี่ต่ำในกรณีนี้มันใช้แสงบางส่วนที่จะกระทบเพียงพิกเซลเดียวและกระจายออกเป็นพิกเซลใกล้เคียง สายตาดูเหมือนว่าภาพจะเบลอเล็กน้อยก่อนหน้านี้มันเป็นตัวอย่าง เนื้อหาความถี่สูงดูเหมือนรายละเอียดหรือขอบคมชัดในภาพ ในทางตรงกันข้ามขอบที่คมชัดและรายละเอียดที่ดีนั้นมีความถี่สูง มันเป็นความถี่ที่สูงมากที่แปลงเป็นนามแฝงในภาพตัวอย่าง นามแฝงบางคนเป็นสิ่งที่เราเรียกรูปแบบคลื่นเมื่อต้นฉบับมีเนื้อหาปกติ นามแฝงบางคนให้เอฟเฟกต์ "บันได" กับเส้นหรือขอบโดยเฉพาะอย่างยิ่งเมื่อพวกเขาเกือบแนวตั้งหรือแนวนอน มีเอฟเฟ็กต์ภาพอื่น ๆ ที่เกิดจากนามแฝง

เพียงเพราะแกนอิสระในสัญญาณเสียงเป็นเวลาและแกนอิสระ (สองในนั้นเนื่องจากสัญญาณเป็น 2D) ของภาพเป็นระยะทางไม่ทำให้คณิตศาสตร์ไม่ถูกต้องหรือทำให้แตกต่างระหว่างสัญญาณเสียงและภาพ อาจเป็นเพราะทฤษฎีและแอปพลิเคชันของ aliasing และ anti-aliasing ได้รับการพัฒนาบนสัญญาณ 1D ที่เป็นแรงดันตามเวลาดังนั้นคำว่า "time domain" จึงถูกใช้เพื่อตรงกันข้ามกับ "โดเมนความถี่" ในรูปภาพการแทนพื้นที่ว่างที่ไม่ใช่ความถี่คือเทคนิค "โดเมนระยะทาง" แต่เพื่อความง่ายในการประมวลผลสัญญาณมันมักจะถูกเรียกว่า "โดเมนเวลา" อย่างไรก็ตาม อย่าปล่อยให้สิ่งนั้นมารบกวนคุณจากสิ่งที่เป็นนามแฝงจริงๆ และไม่มันไม่มีหลักฐานเลยว่าทฤษฏีไม่ได้ใช้กับภาพ เฉพาะบางครั้งการเลือกคำที่ทำให้เข้าใจผิดใช้เพื่ออธิบายสิ่งต่าง ๆ เนื่องจากเหตุผลทางประวัติศาสตร์ อันที่จริงแล้วโดเมนทางลัด "โดเมนเวลา" ที่ใช้กับโดเมนที่ไม่ใช่ความถี่ของภาพนั้นเป็นจริงเพราะทฤษฎีเหมือนกันระหว่างภาพและสัญญาณตามเวลาจริง นามแฝงคือนามแฝงโดยไม่คำนึงถึงสิ่งที่แกนอิสระ (หรือแกน) เกิดขึ้น

นอกเสียจากว่าคุณเต็มใจที่จะเจาะลึกเรื่องนี้ในระดับวิทยาลัยสองหลักสูตรเกี่ยวกับทฤษฎีการสุ่มตัวอย่างและการประมวลผลสัญญาณในท้ายที่สุดคุณก็จะต้องเชื่อถือสิ่งที่มีอยู่ บางส่วนของสิ่งนี้ไม่ได้ใช้งานง่ายโดยไม่มีพื้นฐานทางทฤษฎีที่สำคัญ

คุณไม่สามารถรับผลกระทบเดียวกันในซอฟต์แวร์ คุณสามารถไปที่ไหนสักแห่งใกล้ ๆ ได้ตามสมมติฐานที่ตั้งไว้ แต่ฟิลเตอร์ AA จะกระจายแสงเพื่อที่จะได้ภาพที่มีพิกเซลแตกต่างกันหลายสีให้ข้อมูลที่ไม่มีอยู่ในเซ็นเซอร์ฟิลเตอร์ AA

Nikon D800E ไม่ได้ทำอะไรเลยเพื่อลองและทำซ้ำตัวกรอง AA หากมีรูปแบบความถี่สูงในภาพคุณจะได้รับคลื่นและนั่นคือปัญหาของคุณ - คุณต้องจัดการกับมัน!

การใช้นามแฝงนั้นยิ่งแย่ลงเมื่อความถี่ของรายละเอียดในภาพใกล้เคียงกับความถี่การสุ่มตัวอย่างมาก สำหรับกล้องรุ่นเก่าที่มีเซ็นเซอร์ความละเอียดต่ำ (และการสุ่มตัวอย่างด้วยความถี่ต่ำ) คลื่นเป็นปัญหาร้ายแรงกับรายละเอียดของภาพจำนวนมากดังนั้นตัวกรอง AA จึงแข็งแรง (ไม่มีอะไรเกี่ยวข้องกับพลังการประมวลผลที่ จำกัด ) ตอนนี้เรามีความถี่การสุ่มตัวอย่างที่สูงขึ้นมากมันต้องใช้รายละเอียดภาพความถี่ที่สูงขึ้นมากสำหรับคลื่นที่จะปรากฏขึ้น

ในที่สุดความถี่การสุ่มตัวอย่างจะสูงมากรายละเอียดวัตถุความถี่สูงที่จำเป็นจะไม่ทำให้ความคลาดเคลื่อนของเลนส์ที่ผ่านมาและเอฟเฟกต์การเลี้ยวเบนทำให้ตัวกรอง AA ซ้ำซ้อน นี่เป็นเหตุผลส่วนหนึ่งที่ MF backs บางตัวไม่มีตัวกรอง AA ความละเอียดสูงพิเศษรวมถึงช่างภาพแฟชั่นที่ชอบถ่ายภาพที่ f / 32 ด้วยชุดไฟ Profoto ยักษ์ที่พิสูจน์แสง

ทั้งหมดนี้เป็นคำตอบที่ดีและข้อมูลที่ดี ฉันมีคำอธิบายที่ง่ายมาก เริ่มจาก 2D เป็น 1D (ใช้แนวคิดเดียวกัน)

เมื่อความถี่มาถึงเซ็นเซอร์ของคุณที่สูงกว่า "ความถี่สูงสุดที่อนุญาต" มันจะสร้างความถี่สะท้อนที่ด้านล่าง เมื่อรูปภาพของคุณถูกสุ่มตัวอย่างแล้วคุณจะเห็นสัญญาณต่ำกว่านี้ แต่กล้องหรือคอมพิวเตอร์ของคุณไม่ทราบว่านี่เป็นสัญญาณที่ต่ำกว่าจริงที่มีจริงหรือถ้ามันเป็นนามแฝงที่สร้างขึ้นจากสัญญาณที่สูงเกินไป ข้อมูลนี้จะหายไป นั่นเป็นเหตุผลสำหรับ "ความถี่สูงสุดที่อนุญาต" หรือความถี่ nyquist มันบอกว่านี่เป็นความถี่สูงสุดที่สามารถสุ่มตัวอย่างได้และข้อมูลจะหายไป

อะนาล็อกเป็นเสียง: สมมติว่าคุณมีระบบของคุณตั้งค่าที่คุณต้องการช่วงความถี่จาก 0hz ถึง 1000hz ที่จะออกจากห้องพิเศษเล็ก ๆ น้อย ๆ คุณลองที่ 3000 เฮิร์ตซะซึ่งทำให้ 1,500 Niquist ของคุณ นี่คือที่ที่ตัวกรอง aa เข้ามาคุณไม่ต้องการให้มีอะไรมากกว่า 1500hz ในการป้อนข้อมูลในความเป็นจริงการตัดของคุณจะเริ่มต้นทันทีหลังจากที่ 1000hz แต่คุณมั่นใจได้ว่าเมื่อถึง 1500hz ที่ไม่มีอะไรเหลืออยู่

สมมติว่าคุณลืมตัวกรอง aa และคุณอนุญาตให้เสียง 2500 เฮิร์ตซ์เพื่อเข้าเซ็นเซอร์ของคุณ มันจะสะท้อนรอบอัตราตัวอย่าง (3000hz) ดังนั้นเซ็นเซอร์ของคุณจะรับเสียงที่ 500 เฮิร์ตซ์ (3000hz - 2500 เฮิร์ต) ตอนนี้สัญญาณของคุณได้รับการเก็บตัวอย่างแล้วคุณจะไม่ทราบว่ามีความถี่ 500 เฮิร์ตหรือมีนามแฝงอยู่หรือไม่

BTW ภาพสะท้อนในกระจกเกิดขึ้นสำหรับทุกความถี่ แต่ไม่เป็นปัญหาตราบใดที่คุณไม่ได้อยู่เหนือ nyquist เพราะคุณสามารถกรองออกได้อย่างง่ายดายในภายหลัง เสียงอินพุตตัวอย่างคือ 300 Hz คุณจะมีนามแฝงที่ (3000 - 300 = 2700hz [และถูกต้องด้วย 3000 + 300 = 3300hz]) อย่างไรก็ตามเนื่องจากคุณรู้ว่าคุณกำลังพิจารณามากถึง 1,000 เฮิร์ตซ์สิ่งเหล่านี้จะถูกลบออกได้อย่างง่ายดาย ดังนั้นปัญหาเกิดขึ้นอีกครั้งเมื่อภาพสะท้อนเข้ามาในสเปกตรัมที่คุณต้องการจริง ๆ เพราะคุณจะไม่สามารถบอกความแตกต่างและนั่นคือความหมายของ "การอบ"

หวังว่านี่จะช่วยได้