*Billedskærpning og fjernelse af støj*

 

Det starter alt sammen i kameraet. I de fleste kameraer sidder der et optisk filter foran billedsensoren, som skal reducere det moire flimmer, som kan opstå ved de motiv mønstre, som f. eks. ofte forekommer i skjortestof, gitre og lignende. Det er en form for interferens mellem sensorens regelmæssig anbragte pixel og de meget fine mønstre der kan forekomme i et motiv.

 

Ved at reducere billedopløsningen ved hjælp at et optisk filter (anti-aliasing filter) også kaldet et low-pass (lav-pas) filter, minimerer man problemet. Men det går ud over billedskarpheden, fordi et filter ( lav pas ), som reducerer de aller fineste detaljer i billedet, også påvirker kantskarpheden. Kanterne bliver bogstavligt talt lidt bredere.

 

Ved hjælp af Fourier transformation, er det matematisk muligt at måle et kameras opløsning ved at analysere en sort/hvid kants bredde. Den ideelle kantbredde består af 2 pixel (ved et sort/hvidt stregmønster ) og det svarer til den teoretisk højeste opløsning, der kan hentes ud af en given billedsensor. Der skal desværre mere end en pixel fra et Bayer mønster til, for at kunne beregne en enkelt billedpixel, så uanset lav pas filter eller ej, så kan man aldrig opnå den teoretisk højeste opløsning

 

Når man anvender et optisk filter på så tidligt et tidspunkt i billedforløbet, og ikke i stedet fjerner moire efterfølgende, de steder i billedet hvor det eventuelt måtte forekommer, er forklaringen ret simpel. Det er kun muligt at fjerne moire i selve kameraet med et optisk filter. Var der andre og nemmere muligheder i kameraet, så havde producenten nok benyttet sig af det i stedet for.

 

I kameraer med meget høj opløsning, kan filtret godt undværes ved de fleste motiver. Man skal dog være klar over, at problemet stadigvæk eksisterer, og derfor vil kunne forekomme under visse omstændigheder. Gevinsten er til gengæld en højere opløsning og skarpere billeder, men til billeder i A2 størrelse taget med kameraer med en opløsning på 10 megapixel eller mere, er det uden praktisk betydning.

 

Der er mange andre ting end det optiske filter som reducerer opløsningen. Objektivet spiller naturligvis også en ret afgørende rolle. Diffraktionen i objektivet ved nedblænding får opløsningen til at falde. Den faldende opløsning har på et tidspunkt samme effekt som et anti-aliasing filtret. Det optiske filter kan derfor undværes allerede ved blænde f/8 eller f/11, hvis sensorens størrelse er APS-C. Demosaik algoritmen, som skaber billedet ud fra sensorens Bayer mønster, nedsætter også billedskarpheden en del.  I praksis reduceres slutopløsningen typisk til ca. 80% af det teoretiske mulige. Et objektiv med en god kontrast i det område hvor øjet er mest følsom for detaljer vil alt andet lige levere billeder med en tilsyneladende højere opløsning.

 

De ovenfor beskrevne forhold kræver, at billederne skal skærpes for at vi kan bedømme billedet korrekt på displayet. Den første skærpelse af billedet kaldes “Capture Sharpening”. Senere i redigeringsforløbet  kan det komme på tale at skærpe billedet partielt, men ellers skal billedet først slutskærpes i forbindelse med printning. Hvor meget et billede skal slutskærpes afhænger af printeren og papirmediet og printes størrelse.

 

Der findes tilsyneladende mange måder at skærpe et billede på, men det er en misforståelse. Det er lige som i musik. Det er det samme tema der går igen, blot med variationer. Grundelementerne i billedskærpning er næsten altid de samme.

 

Billedskærpning er en form for lokal kontrast. Hvis lysværdien i pixel placeret ved siden af hinanden henholdsvis hæves og sænkes, så vokser kontrasten, og hvis disse pixel tilfældigvis udgør en kant, så oplever vi en større skarphed det pågældende sted.

 

Kunsten er, at kunne lokalisere de kanter og små detaljer, som vi gerne vil tilføre lidt ekstra kontrast, for at øge skarphedsindtrykket. Til det formål bruges der filtre, og de mere avancerede metoder gør tilligemed udstrakt brug af billedafmaskning.

 

Inden for svagstrøm er det almindeligt, at omsætte en given proces eller funktion, til noget man kender og kan måle og bearbejde matematisk. Et elektrisk frekvensfilter fremstillet af keramik, opfører sig som et ækvivalent filter, bestående af en spole og en kondensator. Hvis det opfører sig, som om det består af nævnte diskrete komponenter, så har vi de matematiske formler til rådighed, som er nødvendige, når der skal udføres beregninger eller korrigeres for et eller andet i kredsløbet

 

Det er ikke anderledes inden for billedteknik.

 

Meget billedteknik er f. eks baseret på, at et billede matematisk kan deles op i svingninger (spatial frekvenser), hvor de højeste frekvenser udgøres af de små detaljer og skarpe kanter. Ved spatial frekvenser er der tale om  frekvenser i forhold til rum, og ikke frekvenser i forhold til tiden. Mange vil nok mene, at der her er tale om noget abstrakt, men det er en teoretisk model, hvor billedindholdet er omsat til et frekvensspektrer, som man matematisk kan bearbejde og dermed også analysere. Med modellen er det f. eks. lettere at forstå hvordan et givent filter fungere.

 

Et stilbillede ændrer sig ikke i forhold til tiden, som tilfældet er med lydsvingninger, men som den franske fysiker og matematiker Joseph Fourier har påvist, kan en firkant eller selv en trekant i et billede beskrives, som bestående af en række sinus svingninger. Ved at tage et billede af en sort firkant på hvid baggrund, og analysere kanten og stejlheden i det sort/hvide spring, og dele det op i et frekvensspektrer, kan kameraets opløsning udledes med meget høj præcision. Metoden kaldes Fourier Tranformation.

 

Programmet Imatest Studio, som kan måle billedkvalitet, anvender en simpel opbygget testtavle, med sorte firkanter, og analyserer billedopløsningen udelukkende ved hjælp af Fourier Transformation. Programmet kan prøves gratis i 30 dage! Det er muligt med programmet at udskrive testtavler af næsten enhver afskygning. En test af de objektiver man ejer kan bedre end noget andet vise udstyrets begrænsninger og kvaliteter. Jo bedre man kender sit udstyr, jo mere kan man få ud af det.

 

ImageJ er et gratis program, som hovedsagelig anvendes af videnskabsfolk til at undersøge vævsprøver og lignende. Det kan være billeder f. eks. fra et mikroskop. Programmet er også velegnet til at måle billedopløsning ved hjælp af f. eks. et testkort med en Siemens Star. Programmet udmærker sig ved, at det er meget enkelt at tælle pixel og udføre målinger og beregninger i den forbindelse. Sidst men ikke mindst så kan programmet ligesom Imatest måle billedopløsning ved hjælp af Fourier Tranformation. Programmet findes i en 32 og 64 bits udgave til både Windows og Mac.

 

Hvis man kan analyse et rugbrød og dele det op i de enkelte ingredienser, så kan man også gå den anden vej og blande ingredienserne og bage et nyt rugbrød.

 

Det er forholdsvis simpelt at fremstille høj og lav pas filtre inden for elektronik. Et sådant filter kan fremstilles med bare en enkelt modstand og en enkelt kondensator, men når det drejer sig om billeder er det knap så simpelt.

 

Photoshop har en filterfunktion ved navn Custom (Det er et Convolution filter), hvor man ved at udfylde en grid med passende tal kan få filtret til at opføre sig som f. eks. et emboss filter, et lav pas filter (Blur) eller et høj pas filter. Det sidste filter kan bruges i forbindelse med billedskærpning.  Matrixens tabel bestemmer filtrets funktion. Filtret gennemløber og bearbejder hver eneste pixel i billedet. En meget anvendt matrix er Laplacian edge detektor.

 

Det er også muligt at detekterer kanter i vandret og lodret plan eller diagonal plan for den sags skyld. Mulighederne er mange. Det er den slags filtre vi kan bruge til at fremstille masker med. Masker er nødvendige, når vi skal skærpe et billede eller fjerne støj på en hensigtsmæssig måde.

 

Det er nemt selv at afprøve mulighederne i Photoshops Custom... filter.

 

Her nogle nemme eksempler i en 3 x 3 matrix placeret lige i midten.  Scale = 1 og Offset = 0

 

Blur:

 

1 1 1           1 2 1

1 1 1           2 4 2

1 1 1           1 2 1

 

Sharpen:

 

-1-1-1         0 -1  0

-1 9-1        -1  5 -1

-1-1-1         0 -1  0

 

Edge Enhancement:

 

0 0 0          0-1 0      -1 0 0

-1 1 0          0 1 0       0 1 0

0 0 0          0 0 0       0 0 0

 

Find Edges:

 

0 1 0        -1-1-1       1-2 1

1-4 1        -1 8-1      -2 4-2

0 1 0        -1-1-1       1-2  1

 

Emboss:

 

-2-1 0

-1 1 1

0 1 2

 

At detektere kanterne i et billede er en fundamental funktion inden for billedbehandling. Når vi ved hvad der er kanter og hvad der er større eller mindre flader, har vi mulighed for at målrette f. eks skærpning og støj undertrykkelse. Vi kan lave en maske, som f. eks. kun tillader billedbehandling i de områder som ikke er kanter, eller omvendt fremstille en maske som beskytter kanterne.

 

Blur funktionen, som er en meget vigtig funktion, er et lavpasfilter. De høje spatial frekvenser fjernes mere eller mindre alt efter, hvor meget blur vi tilfører et billede. Det betyder at små detaljer og kanter “jævnes ud”. Hele billedet bliver uskarpt! Med en maske kan man  selektivt udglatte større flader for at reducere støjen de pågældende steder og bevare kanterne skarpe. Der findes dog mere avancerede metoder, hvor blandt andet en eller flere matrixer i form af Convolution filtrering indgår for at kunne skelne mere præcist mellem støj og billedsignal. Der findes også algoritmer som kan hjælpe med til at genkende et bestemt støjmønster.