Share
Computationele fotografie is een zich ontwikkelend veld dat de elementen van traditionele fotografie combineert met extra computer-uitgevoerde verwerking. Het is de grenzen verlegend van wat het woord fotografie betekent. Nieuwe processen kunnen de beperkingen van een camera overwinnen, meer informatie in één bestand coderen dan voorheen mogelijk was, of zelfs nieuwe manieren creëren om afbeeldingen te begrijpen. In dit artikel leer je over de drie belangrijkste opkomende gebieden van computational photography.
Wat we beschouwen als "digitale fotografie" heeft het gebied van de fotografie het afgelopen decennium gedomineerd. Daarin probeert de camera te emuleren hoe een filmcamera werkt. Dit is wat ik traditionele digitale fotografie zal noemen.
Op elk niveau trekt traditionele digitale fotografie uit zijn filmvoorganger; van de voor de hand liggende uiterlijke tekens zoals het fysieke ontwerp van de camera - een idee dat nu alleen wordt aangevochten door spiegelloze camera's met verwisselbare lenzen - aan de onderliggende aannames en concepten van hoe een beeld wordt vastgelegd.
In filmfotografie komt licht binnen via een lens en wordt, afhankelijk van de specifieke optica en focus van de lens, op de film geprojecteerd. Lichtgevoelige deeltjes op de film reageren op de fotonen die erop vallen en vangen de informatie zo dicht als hun fysische eigenschappen toestaan. De camera legt niet vast wat de fotograaf ziet, het legt vast wat de camera ziet, hoewel als alles goed gaat deze twee visies relatief goed overeen moeten komen.
Er zijn altijd wat gegevens verloren of beschadigd door het fotografische proces. Als de lens niet goed is gefocusseerd of als een groothoeklens vervorming veroorzaakt, worden al deze optische eigenschappen door de film vastgelegd. Een filmcamera legt slechts een klein voorbeeld van de beschikbare informatie vast.
Traditionele digitale fotografie vervangt eenvoudig film met een digitale sensor. Lichtgevoelige fotosites vervangen lichtgevoelige deeltjes. De camera reageert op dezelfde manier en registreert de scène lineair zo getrouw mogelijk. Fotonen vallen op de digitale sensor en, afhankelijk van de details van de lens, wordt de informatie vastgelegd op basis van zijn resolutie. Er is wat verwerking gedaan met de informatie van de fotosites om het uiteindelijke beeld te ontwikkelen tot een foto die past bij onze beleving van visie, maar het is ontworpen om dingen zo getrouw mogelijk te maken aan wat de camera mogelijk maakte. De camera probeert de afbeelding niet meer te maken dan wat hij zag.
"eye ball grandad", een door Deep Dream verwerkt portret van Mark Lewis. CC BY-SA 2.0Hoewel er voor de hand liggende historische, technologische en artistieke redenen zijn dat traditionele digitale fotografie filmfotografie nabootst, zijn dingen de afgelopen jaren begonnen te veranderen. De veronderstelling dat een camera moeten een scene zo dicht mogelijk benaderen is begonnen met een uitdaging. In plaats daarvan zijn er fotografische methoden ontwikkeld die de vastgelegde afbeelding (of afbeeldingen) gebruiken als beginpunt van waaruit de uiteindelijke afbeelding wordt verwerkt of gemaakt..
Ramesh Raskar en Jack Tumblin, onderzoekers in computerfotografie aan het Massachusetts Institute of Technology, hebben drie fasen geïdentificeerd voor de ontwikkeling van het veld: epsilon-fotografie, die processen ontwikkelt waarmee camera's hun inherente beperkingen kunnen overwinnen, gecodeerde fotografie, waarbij de foto wordt vastgelegd is te veranderen na het feit, en de essentie fotografie, waar het concept van wat een beeld maakt wordt uitgedaagd.
In tegenstelling tot gecodeerde of essentiefotografie, worden afbeeldingen die zijn gemaakt met behulp van epsilon-fotografietechnieken vaak, aan de oppervlakte, gewoon gewone digitale foto's. Er worden meerdere opnamen gemaakt en een of meer traditionele cameraparameters - focus, brandpuntsafstand, sluitertijd, diafragma, ISO en dergelijke - worden met een kleine hoeveelheid tussen elke opname gewijzigd. De opnames worden vervolgens op een algoritme gecombineerd tot een enkel beeld op een zodanige manier dat het de mogelijkheden van de camera uitbreidt.
Neem bijvoorbeeld High Dynamic Range (HDR) -fotografie, de meest populaire vorm van epsilonfotografie. Er worden meerdere opnamen gemaakt van een enkele scène, elk met een andere belichtingswaarde. Door de belichting te variëren, is het dynamische bereik van de reeks afbeeldingen veel groter dan dat van de camera. De onderbelichte opnames hebben meer highlight-details en de overbelichte opnames meer schaduwdetails dan de camera in één frame zou kunnen vastleggen.
Wanneer de opnamen worden gecombineerd, geeft het uiteindelijke beeld het dynamische bereik van de serie weer, niet de camera. Anders dan dat, verschijnt het als een gewone digitale foto.
HDR is niet de enige epsilon-fotografietechniek. Elke andere parameter kan worden gevarieerd om "onmogelijke afbeeldingen" te maken die bijvoorbeeld een grotere scherptediepte hebben dan welke camera dan ook zou kunnen opnemen.
Terwijl epsilon-fotografie beoogt uit te breiden hoe de camera een scène kan weergeven, probeert gecodeerde fotografie zoveel mogelijk van de beschikbare informatie in een enkele foto te coderen. Bij gecodeerde fotografie begint de traditionele taal van de fotografie ontoereikend te worden. Een gecodeerde foto bevat veel meer informatie dan kan worden weergegeven met een enkele afbeelding, maar kan worden gedecodeerd om de scène op verschillende manieren opnieuw te creëren. Met andere woorden, de ene foto bevat meer dan één mogelijke afbeelding.
Lichtveldfotografie is een gebied van gecodeerde fotografie dat de laatste jaren commercieel is verkend. Een camera met een lichtveld, zoals een camera van Lytro, legt de scène vast vanuit meerdere gezichtspunten, elk met verschillende focusvelden met behulp van een reeks kleine lenzen. De informatie van de resulterende captures is gecodeerd in een enkel fotobestand.
Een afbeelding gemaakt met een Lytro-camera die meerdere brandvlakken combineert. Afbeelding: Lytro.Bij postproductie kan de informatie uit het bestand worden gedecodeerd in een willekeurig aantal mogelijke afbeeldingen. Aangezien een aanzienlijk aantal van alle mogelijke scherpstelvelden worden vastgelegd, kan het schijnbare brandpunt van de afbeelding worden gewijzigd. Evenzo, met geavanceerdere verwerking, omdat de relatieve positie van elk object in de foto kan worden trianguleerbaar, kunnen de voorgrond, het midden van de grond en de achtergrond op intelligente wijze uit verschillende opnamen worden getrokken. Het onderwerp van de foto lijkt te zijn gemaakt met f / 16 terwijl de achtergrond is verkleind tot het soort bokeh dat je zou krijgen als ze waren gefotografeerd bij f / 1.8.
Microsoft Kinect-camera die de positie van handen detecteert. Stilstaand beeld uit de video "Kinect Depth Change Threshold Test" door Charles Hutchins. CC BY 2.0Een ander type gecodeerde fotografie maakt gebruik van meerdere belichtingen, ofwel van een onderwerp met bekende tussenpozen of met meerdere camera's, om de beelden te vergelijken of te combineren en nieuwe informatie te interpoleren. Met een bewegend onderwerp en een statische camera kan de relatieve snelheid van het onderwerp in de beelden vervolgens worden berekend en alle bewegingsonscherpte van de resulterende foto worden verwijderd. Met een statisch onderwerp en een bewegende camera (of meerdere gesynchroniseerde camera's), kan een driedimensionale scan van het onderwerp worden berekend. Dit is hoe het hoofd van je favoriete sportheld het tot een digitaal lichaam maakt in videogames. De Microsoft Kinect-camera en Google Maps zijn twee hoog-niveau gecodeerde fotografieprojecten.
Gecodeerde fotografietechnieken hebben een grappige gewoonte om het idee van het frame te buigen, zo niet te breken. Sinds het begin van de fotografie zijn foto's begrensd door de afname van de rand van de beeldcirkel van de lens of door een willekeurig kader. Dit is niet hoe onze ogen het zien, maar we hebben fotografische afbeeldingen leren begrijpen als statische, onveranderlijke beelden met stevige randen. Gecodeerde fotografie doet deze veronderstelling teniet.
Terwijl epsilon en gecodeerde fotografie proberen de scène op te nemen op een manier die consistent is met hoe het menselijk oog de dingen ziet, negeert essentiefotografie het idee van het emuleren van biologische visie. In plaats daarvan speelt essentie-fotografie op verschillende manieren de informatie in een scène kan worden begrepen en weergegeven.
Het Deep Dream-project van Google, dat eerder dit jaar stormenderhand internetten, is een leuk voorbeeld van essentiefotografie. Deep Dream werkt door een basisafbeelding te maken en zijn functies voor doelpatronen te analyseren. De gedeelten van de afbeelding die het meest overeenkomen met de doelen worden getransformeerd om er meer op te lijken. De resulterende afbeelding wordt opnieuw en opnieuw doorlopen om de definitieve versie te krijgen.
Een afbeelding van mij die is uitgevoerd via het Deep Dream-programma van Google. Het lijkt te hebben geprobeerd om een soort van vogel te evenaren.Sommige minder fantastische essentie-fotografische processen zijn misschien al binnen handbereik. Dit soort algoritmen voorziet in functies voor gezichtsherkenning in Adobe Lightroom, op Facebook en op vele andere plaatsen.
In de komende paar jaar zullen er meer en diepgaandere ontwikkelingen zijn in essentie fotografie. Computers zullen beter worden in het trekken en transformeren van informatie van basishots. Meer dan enig ander gebied van computationele fotografie heeft essentiefotografie het potentieel om de manier waarop we over foto's praten te transformeren en nieuwe manieren van artistieke expressie mogelijk te maken.
Computationele fotografie is een zich ontwikkelend veld dat de definitie van fotografie uitdaagt. Traditionele digitale fotografie houdt zich bezig met steeds trouwere manieren om filmfotografie te recreëren met een digitale sensor in plaats van zilverhalide. Het gebied van computational photography is het creëren van nieuwe manieren van beeldvorming die machineleesbare representaties van onze ervaring zijn. Dat is een grote verschuiving.
Technieken in computationele fotografie variëren van simpelweg het combineren van meerdere afbeeldingen die de beperkingen van een camera overwinnen tot het ontwikkelen van nieuwe methoden voor het analyseren en verwerken van afbeeldingen. In dit artikel heb ik kort enkele van de vele interessante gebieden van het vakgebied besproken. Hoewel sommige van deze nieuwe technologieën vandaag misschien een beetje gimmickachtig lijken, zijn de ontwikkelingen die ze presenteren de eerste echte veranderingen in de fotografie in een zeer lange tijd, misschien sinds de uitvinding van de draagbare 35mm-filmcamera.
Zal traditionele digitale fotografie verdwijnen? Onwaarschijnlijk. Mensen genieten nog steeds van het maken van foto's met film, zelfs! Ze houden van de creatieve, technologische en sociale ervaring van fotograferen met traditionele camera's. Traditionele digitale fotografie vertoont geen tekenen van vertraging.
Deze nieuwe technologieën hebben echter het potentieel om de manier waarop we over fotografie denken te veranderen op zijn fundamenten. Ze zullen de manier waarop we camera's en afbeeldingen definiëren veranderen. In sommige opzichten heeft computationele fotografie dat al gedaan. HDR, hoewel veel verguisd door traditionalisten, is populair omdat het enorm veel meer informatie kan vastleggen dan een simpele enkele opname. De weergave van Google Maps heeft de manier waarop we over de wereld denken en navigeren, veranderd. We weten nog niet precies hoeveel computationele fotografie de wereld zal veranderen.
Eén ding is echter duidelijk: digitale fotografie is er. Het zijn niet alleen pixels in plaats van zilver; het is iets geheel nieuws.
Accentsconagua