Spitzlicht-Rekonstruktion

Dieses Modul versucht, Farbinformationen in Pixeln zu rekonstruieren, bei denen Daten in einem oder mehreren RGB Kanälen abgeschnitten wurden.

🔗Beschneidung

Beschneiden tritt auf, wenn der Umfang des aufgenommenen Lichtes die Kapazität des Sensors der Kamera diesen Wert zu speichern, übersteigt (Sättigung der Photosite) oder die Kapazität der RAW -Datei diesen Wert zu speichern (digitales Beschneiden). Wenn ein Pixel einmal beschnitten ist, können wir den genauen WErt der Helligkeit des Pixels nicht mehr kennen – einzig, dass es gleich oder grösser ist, als der Maximalwert, den dieses Pixel speichern kann.

Idealerweise wird der Punkt der Photosite Sättigung der gleiche sein, wie der Wert, bei welchem die digitale Beschneidung stattfindet (um den grösstmöglichen Profit des Dynamikumfanges zu erreichen) aber diese Werte unterscheiden sich häufig zwwischen den Kameras. Darktable nutzt den “Weisspunkt” der Kamera, um zu entscheiden, ob ein gegebener Kanla beschnitten ist. Wenn der Weisspunkt für eine Kamera nicht richtig gesetzt ist, kann dies dazu führen, dass Pixel beschnitten werden und kann so die Effizienz dieses Moduls negativ beeinflussen.

Wenn eine Kamera Licht einfängt (mit einem normalen Bayer Sensor), dann ergibt jedes Pixel eine einzige Farbe (R,G,B), welches dann mit dem Demosaic Modul interpoliert wird, um die Farben der benachbarten Pixel zu berechnen. Das Resultat wird des öftern so sein, dass gewisse Pixel in einem Kanal beschnitten sind in den anderen aber nicht.

Wenn diese Pixel telweise beschnitten belassen werden, kann das zu unrealsitischen farben im Bild führen. Diese nicht korrekten Farben können noch zusätzlich verfälscht durch das Modul Weissabgleich, welches die Verhältnisse der R,G und B Kanäle, welche die Gesamtfarbe des Bildes regelt. Wenn zum Beispiel nur der Grün-Kanal beschnitten ist (aber R und B nahe am Beschnitt sind), dann kann das Modul Weiisabgleich dazu führen, dass der R und B Kanal so über den Punkt des Beschnittes geregelt wird, dass die Spitzlichter rosa werden, die sonst weiss gewesen wären.

Eine grobe Methode, dies zu lösen, ist die Beschneidung der Kanäle R und B bis zum Beschneidepunkt des G-Kanals (Rekonstruktionsmethode “Spitzlichter abschneiden”). Dies kann zum Verlust von gültigen Pixeldaten führen, was für Spitzlichtrekonstruktion gut ist, aber auch andere Artefakte und Farbtonverschiebungen verursachen kann.

🔗Methoden zur Spitzlichtrekonstruktion

Dieses Modul stellt unterschiedliche Methoden zur Spitzlichtrekonstruktion bereit. Alle Methoden verwenden unbeschnittene Kanäle bzw. angrenzende Pixel, um fehlende Daten zu rekonstruieren.

Inpaint Opposed: Stelle besschnittene Pixel wieder her mit der Verwendung eines Durchschnittes von benachbarten unbeschnittenen Pixeln, um die korrekte Farbe zu schätzen. Das funktioniert ei den meisten Bildern gut, wird aber dort nicht gut gehen, wo die beschnittenen Anteile in Nachbarschaft zu anderen Farben sind.
Segmentierungsbasiert: Um die richtige Farbe abzuschätzen, nutzt dieser weiterentwicklte Algorithmus benachbarte, unbeschnittene Pixel und behandelt jeden beschnittenen Bereich separat (als individuelles Segment). Die Farbe jedes beschnittenen Segmentes wird durch Analyse der Farbanteile der benachbarten Pixel abgeschätzt. Zu dunkle Pixel oder Pixel am Rand werden vom Algorithmus ignoriert. Falls keine geeigneten, benachbarten Pixel gefunden werden, werden diese Segmente mit der “Inpaint Opposed”-Methode (siehe oben) rekonstruiert. Segente, die nahe beieinander liegen, sind oft Teile desselben Objekts und können daher wie eine einzelnes Element behandelt werden.; Die Segmentierungsbasierte Rekonstruktion kann grosse Flächen, in denen alle Kanäle beschnitten sind wieder aufbauen, indem aalle umbegenden Gradienten geprüft werden. Du solltest diese Methode eher als eine Art die beschnittenen Teile mit etwas plausiblem zu veschleiern, als eine Art diese zauberhaft zu reaprieren.
geführtes Laplace: Nutze den Algorithmus (stammend vom Modul Diffusion / Schärfe), um die Details von genauen Kanälen zu beschnittenen Kanälen zu vervielfältigen und die Farbgradienten von genauen Umgebungen in beschnittene Teile zu verbreiten. Dies ist eine rechenintensive Methode, um ein Maximum an Ebenmässigkeit und ein nahtloses Mischen der rekonstruierten Nachbarbereiche, und es wurde hauptsächlich für die Rekonstruktion von Spitzlichtern und spektakulären Reflexionen geschaffen. Dieser Modus kann nur für Bayer Sensoren angewendet werden.
Spitzlichter abschneiden: Setzt einfach alle Pixel auf den Weißwert. Damit werden alle abgeschnittenen Lichter effektiv in neutrale Grautöne umgewandelt. Diese Methode ist vor allem dann nützlich, wenn abgeschnittene Lichter in nicht gefärbten Bereichen wie Wolken liegen.
In LCh rekonstruieren: Analysiert jedes Pixel mit mindestens einem abgeschnittenen Kanal und transformiert die Informationen in den LCh-Farbraum, um das abgeschnittene Pixel mit den Werten der anderen (3 für Bayer oder 8 für X-Trans) Pixel im betroffenen Sensorblock zu korrigieren. Diese Methode ist in der Regel besser als „Spitzlichter abschneiden“, da einige Details in den abgeschnittenen Bereichen erhalten bleiben. Wie mit Spitzlichter abschneiden ist diese Methode eine gute Option für natürlich entsättigte Objekte.
Farben rekonstruieren: Verwende einen Algorithmus, der Farbinformationen aus der unbeschnittenen Umgebung in die beschnittenen Spitzlichter überträgt. Diese Methode funktioniert sehr gut auf Flächen mit homogenen Farben und ist besonders nützlich bei Hauttönen mit sanft verblassenden Spitzlichtern. Sie scheitert in bestimmten Fällen, wenn sie verwirrende Artefakte an Glanzlichtern hinter kontrastreichen Kanten erzeugt, wie z. B. feine, gut belichtete Strukturen vor überbelichteten Hintergründen (z. B. Schiffsmasten oder Flaggen vor einem ausgefressenen Himmel).

Hinweis: Wenn das Modul Spitzlicht-Rekonstruktion zusammen mit dem Modul Filmic RGB genutzt wird, ist es besser in diesem Modul Spitzlichter abschneiden zu vermeiden (damit Filmic RGB mehr Informationen zur Bearbeitung hat).

🔗Moduleinstellungen

🔗Allgemeine Einstellungen

Methode: Die Methode für die Spitzlicht-Rekonstruktion.
Spitzlichter abschneiden (Schwellenwert): Pixel, die über dieser Schwelle liegen werden als zu beschneiden angeseehen.; Auf das Symbol neben dem Regler klicken, um Bereiche des Bildes anzuzeigen, die beschnitten werden (Clipping-Maske). Wenn die Maske mit der Anzeige der Überbelichtungen der RAW-Werte nicht übereinstimmt, kann es sein, dass du diesen Wert korrigieren musst.

🔗Methode “in Laplacian rekonstruieren”

Rauschen Niveau: Addiere Poisson Rauschen (natürliches Photonenrauschen, wie du es in Sensor-Messwerten findest) zu den beschnittenen Teilen. Für Hoch-ISO Bilder werden die entsprechenden Teile des Bildes rauschen, aber die rekonstruierten beschnittenen Teile werden glatt sein, was dann komisch aussieht. Das Hinzufügen von Rauschen in die Rekonstruktion wird dazu beitragen, das Resultat mit dem Rest des Bildes zu verschmelzen.
Iterationen: Der geführte Laplacian-Modus ist ein iterativer Prozess, der Gradienten und Details aus der Nachbarschaft extrapoliert. Jede neue Iteration verfeinert die vorangegangene Rekonstruktion, verlangsamt aber auch das Module durch mehr Berechnungen. Der Standard Anzahl von Iterationen sollte eine vernünftige Anzahl Resultate vorsehen, aber du kannst diese erhöhen, falls Magenta-Spitzlichter nicht vollständig zurückgeholt sind – erhöhe diese Parameter, um den Kompromiss zwischen Geschwindigkeit und Qualität zu erreichen.
Einfärben einer flachen Farbe: Das Einfärben einer flachen Farbe ist ein algorithmischer Trick, der helfen kann Magenta Spitzlichter in schwierigen Fällen (grosse ausgebrannte Teile) zurückzuholen, mit weichzeichnen von RGB Verhältnissen. Es kann als “Rekonstruktions-Booster” angesehen werden, der helfen kann, die Anzahl der Iterationen zu reduzieren, die es braucht, um die ausgebrannten Magenta Spitzlichter zu entfernen. Es wird jedoch die Rekonstruktion weniger genau machen und es kann zu nicht weichen rekonstruierten und unbeteiligten Farben können eingefärbt werden (z.B. blauer Himmel oder grüne Blätter gehen in weisse Wolken über). Nutze also diese Einstellung mit Vorsicht.
Durchmesser der Rekonstruktion: Der Modus geführter Laplace nutzt einen Multi Skalen Algorithmus, der versucht, Details von jeder Skala unabhängig wiederherzustellen. Der Durchmesser der Rekonstruktion ist die grösste Skala des Algorithmus. Grosse Skalen werden den Speicherbedarf und die Laufzeit erhöhen, und es kann vorkommen, dass unbeteiligte Farben oder Details in beschnittenen Teilen eingefärbt werden. Du musst einen Durchmesser nutzen, der etwa doppelt so gross, wie der grösste ausgebrannte Teil, der rekonstruiert werden soll. Es mag auch sein, dass ein gegebener Durchmesser nicht für alle beschnittenen Teile passend ist. In einem solchen Fall ist es besser, mehrere Instanzen mit unterschiedlichen Skalen und maskiere die beschnittenen Teile entsprechend.

🔗Methode “Segmentierungsbasiert”

Abschneide-Schwellwert: Da dies die Anzahl der Pixel bestimmt, welche beschnitten werden sollen, verändert es auch die resultierenden Anteile der angrenzenden Pixel, welche für die Rekonstruktion herangezogen werden. Für genaue Anpassungen kannst du das Modul Belichtung nutzen um sicher zu stellen, dass keine Lichter im Histogramm beschnitten werden (oder das Bild auf der Anzeige). Dann erhöhe die den Abschneide-Schwellwert, bis die Spitzlichter nicht mehr weiss sind, um dann den Wert wieder langsam zu vermindern, bis es dir akzeptable erscheint.
Segmente kombinieren: Der Radius, bei dem nahe Segmente kombinierte werden und dann als Teile des gleichen Segments betrachtet werden. Erhöhe (um mehr Segmente zu kombinieren), wenn unterschiedliche Teile des gleichen Objektes nicht korekt mit einer unterschiedlichen Farbe rekonstruiert wurden. Vermindere (um Segmente auszuschliessen), wenn unterschiedliche Teile nicht korrekt mit der gleichen Farbe rekonstruiert wurden. Klicke auf den Knof neben dem Schieber um die resultierenden Segemnte sichtbar zu machen.
Farbermittlungspräferenz: Wähle, ob du es vorziehst präferierte Pixel (um Farbdaten zu ermitteln) mit der Analyse der Segementation (für hohe Werte) oder inpaint Gegenüberliegende (niedrigeWerte). Klicke den Knopf neben dem Schieber, um die , um die Segente anzuzeigen, die als gute Präferenzen gelten.
Rekonstruktion: Wähle hier, wie die Teile wieder aufzubauen sind, welche alle Kanäle beschnitten haben: Die Modi “kleine Segmente” und “grosse Segmente” werden gewählt für Segment-grössen von weniger als 25 respektive mehr als 100 Pixel im Durchmesser. Die Modi mit “flach” versuchen schmale unbeschnittene Teile (Linien, Äste) zu ignorieren, um Gradienten zu vermeiden. Letztlich versuchen die Modi “generisch” die besten Einstellungen für jedes Segment zu finden.

🔗“Geführter Laplacian-Modus” und Spitzlicht-Rekonstruktion von Filmic

Es ist wichtig zu wissen, dass sich das Modul Spitzlicht-Rekonstruktion sehr früh in der Pipeline befindet, vor dem Modul _ Eingabefarbprofil und der vollen chromatischen Adaption Farbkalibriereung (wenn der Workflow moderne chromatische Adaption verwendet wird). Ein üblicher Trick um ausgebrannte Spitzlichter zu retten, ist diese bis ins Weiß zu entsättigen. Da Weiß vor der Farbkalibrierung und dem Eingangsfarbprofil nicht definiert ist, ist es nicht möglich, diesen Trick hier zu verwenden. Technisch gibt es an diesem Punkt in der Pipeline noch keine Farbe, nur ein beliebiges 3D-Signal.

Der Ansatz Geführter Laplace wurde spezifisch dafür geschaffen, um gegen Weissabgleich immun zu sein und um jedes Konzept oder jede Methode im Zusammenhang mit Farbe (so gibt es nicht eine explizite Entsättigungen). Es behandelt nur Gradienten (Übergänge) in den Signalen, und zielt darauf ab, diese weich zu verbinden, um die Teile, die fehlen, zu füllen. Dieser Prozess ist jedoch sehr schwer, da es in die Kategorie von maschinelles Lernen (eine gradientengestützte Optimierung mittels mehrstufigen Krümmungen), was eine Unterart künstlicher Intelligenz ist.

[Die Spitzlichtrekonstruktion von Filmic] (./filmic-rgb.md#reconstruct) nutzt einen einfacheren Farbverteilungs-Algorithmus gekoppelt mit einer Entsättigungsoption, die eine farblose Rekonstruktion begünstigen kann. Sie kennt nicht nur die Farbe (da sie nach der Farberkennung und chromatischer Adaption kommt), sondern verwendet eine vereinfachte und schnellere Version des Algorithmus vom geführten Laplacian-Modus. Und zwar versucht diese Variante keine Detailrekonstruktion und nutzt stattdessen eher eine weiche Unschärfe.

Die Rekonstruktion von Filmic ist gut genug für sehr grosse beschnittene Teile und es gibt auch den Vorteil, dass damit Weiss in einem letzten Ansatz abgebaut werden kann. Es ist also besser und schneller, beschnittenen Flächen mit konkreten Farben einzufärben, auch auf Kosten von Details. Der hauptsächliche Nachteil, der nicht so selektiv ist in den Quellen der Farben für da Einfärben für die beschnittenen Teile, so dass vielleicht mit nicht zugehörigen Farben eingefärbt wird.

Allgemein ist Geführter Laplacian-Modus in der Spitzlicht-Rekonstruktion empfehlenswert für:

die Abgrenzungen von beschnittenen Teilen weichzuzeichnen,
helle Lichter und beschnittene Teile mit einem Durchmesser von ungefähr 256px (des voll aufgelösten RAW) zurückzuholen,
chromatische Aberrationen, die beim Entrastern (dem nächsten Modul in der Pipeline) zwischen beschnittenen und normalen Teilen entstehen kann.

Falls du den Durchmesser der Rekonstruktion auf mehr als 512px erweitern muss, um eine volle Wiederherstellung von Magenta zu erreichen, ist es normalerweise der beste Weg, den Durchmesser bei 512px zu deckeln, dann mache das Beste, was mit dieser Einstellung möglich ist, und überlasse es der Spitzlicht-Rekonstruktion von Flimic das Werk zu vollenden. Das wird kürzere Laufzeiten geben, mit einem fast vergleichbaren Resultat.