Dématriçage

Technical information

Description: Reconstruit des pixels RVB complets à partir de la lecture d’un capteur à grille de filtres colorés.
Objectif: Obligatoire.
Entrée: Relatif à la scène, linéaire, RAW.
Traitement: Linéaire, RAW.
Sortie: Relatif à la scène, linéaire, RVB.

Control how raw files are demosaiced and optionally apply capture sharpening.

🔗Filtres de Bayer

The sensor cells of a digital camera (commonly named “photosites”) are not color-sensitive – they are only able to record different levels of lightness. In order to obtain a color image, each cell is covered by a colored filter (red, green or blue) that primarily passes light of that color. This means that each photosite (and therefore each “pixel” of the raw image) only contains information about a single color channel.

The array of color filters covering the sensor, known as a color filter array (CFA), is commonly arranged in a mosaic pattern known as a Bayer filter (though other patterns are also used). A demosaic algorithm reconstructs the other color channels by interpolation with data from the neighboring photosites. For further reading see the Wikipedia articles on demosaicing and the Bayer filter.

Darktable offers several demosaic algorithms, each with its own characteristics. The differences between them are often very subtle and might only be visible while pixel-peeping. However, as the program works on a pixel-by-pixel basis and demosaic generates the base data for the other modules, the choice of the algorithm can have a visually significant effect on the quality of very fine details in the image. This can include the appearance of false maze patterns as well as the rendering quality of colored edges.

Les algorithmes de dématriçage peuvent souvent produire des artefacts, généralement visibles sous forme de moirés lors d’un zoom sur l’image. L’algorithme choisi peut gérer, en mieux ou en pire, les effets de moiré ou de labyrinthe préexistants dans les données RAW. Dans ces circonstances les algorithmes VNG4 et LMMSE sont souvent plus stables.

Les algorithmes de dématriçage suivants sont disponibles pour les capteurs avec filtres Bayer :

PPG était l’algorithme de dématriçage par défaut de darktable. Il est rapide, mais d’autres algorithmes donnent généralement de meilleurs résultats.
AMaZE et RCD une meilleure reconstruction des zones à hautes fréquences (détails plus fins, bords, étoiles) mais peuvent être mises en échec avec des dépassements dans la reconstruction des couleurs ou un ajout de bruit dans des zones à faible contraste. Alors que AMaZE conserve souvent plus de détails à hautes fréquences, il est également plus sujet aux dépassements de couleur que RCD. Étant donné que RCD offre désormais des performances de calcul similaires à PPG, mais avec de meilleurs résultats, il s’agit désormais de l’algorithme par défaut.
LMMSE is better suited for use on high ISO and noisy images than AMaZE or RCD, both of which tend to generate overshooting artifacts when applied to such images. It can also be useful to manage images that exhibit Moiré patterns with other algorithms.
VNG4 is better suited for use on images with low-frequency content (e.g. low contrast regions such as sky or snow-fields). Compared to AMaZE and RCD, it causes loss of some details but is very stable for maze artifacts. VNG4 is no longer recommended – for most images, other algorithms provide better results.

Remarque : Les performances des algorithmes de dématriçage diffèrent considérablement, AMaZE étant de loin le plus lent.

🔗Capteurs sans filtre de Bayer

There are a few cameras whose sensors do not use a Bayer filter. Cameras with an “X-Trans” sensor have their own set of demosaic algorithms. The default algorithm for X-Trans sensors is Markesteijn 1-pass, which produces fairly good results. For slightly better quality (at the cost of much slower processing), choose Markesteijn 3-pass. Though VNG is faster than Markesteijn 1-pass on some computers, it is prone to artifacts.

Les images des appareils monochromes ne nécessitent pas de dématriçage, cependant, depuis darktable 5.4, elles utilisent ce module pour exploiter la netteté de capture.

🔗Algorithmes spéciaux

passthrough (monochrome) is only useful for cameras that have had the color filter array physically removed from the sensor (e.g. scratched off). Demosaic algorithms usually reconstruct other color channels by interpolation with data from the neighboring pixels. However, if the color filter array is not present, there is nothing to interpolate, so this algorithm simply sets all the color channels to the same value, resulting in a monochrome image. This method avoids the interpolation artifacts that the standard demosaic algorithms might introduce.

La méthode Couleur du photosite n’est pas destiné à être utilisé pour le traitement d’images. Il prend les données RAW du photosite et les présente sous forme de pixels rouges, bleus ou verts. Ceci est conçu à des fins de débogage afin de voir les données RAW et peut aider à l’analyse des erreurs produites par les autres algorithmes de dématriçage.

monochrome n’est disponible que pour les appareils photo monochromes.

🔗Algorithmes de dématriçage double

Certaines images ont des zones mieux dématriçées à l’aide d’un algorithme qui préserve les informations des hautes fréquences (comme AMaZE ou RCD) et d’autres zones pourraient bénéficier d’un algorithme plus adapté au contenu à basses fréquences (comme VNG4).

Dans les algorithmes de dématriçage double (par exemple RCD + VNG4), les données du capteur sont dématriçées deux fois, d’abord par RCD, AMaZE ou Markesteijn 3-passe, puis par VNG4. Les deux ensembles de données dématriçées sont conservés pour un traitement ultérieur.

Les données de l’algorithme hautes fréquences sont ensuite analysées pour une modification locale des données, et, en utilisant un seuil (il y a un peu plus de mathématiques impliquées ici), l’image de sortie est écrite pixel par pixel pour chaque canal de couleur en utilisant les données de chaque algorithme de dématriçage pondérées par la modification locale des données.

En général, les zones plus détaillées sont dématriçées par l’algorithme le mieux adapté à cet effet (RCD, AMaZe, Markesteijn 3-pass) et toutes les zones à couleur unie (comme le ciel bleu) sont dématriçées à l’aide du second algorithme (VNG4).

La modification des données locales est techniquement implémentée sous la forme d’un masque de sélection, calculé sur un unique canal et avec un flou gaussien, à partir d’une combinaison du seuil et de la luminance des pixels.

🔗Choisir le seuil

Un seuil calculé automatiquement est difficile à mettre en œuvre. Au lieu de cela, le bouton “affiche masque de fusion” peut être utilisé pour afficher le masque de sélection afin que vous puissiez contrôler la sélection de l’algorithme manuellement. Plus le pixel du masque affiché est lumineux, plus la sortie est extraite de l’algorithme hautes fréquences.

🔗capture sharpen

La netteté de capture récupère les détails perdus à cause du flou de l’appareil photo ou de l’objectif, qui peut être causé par la diffraction, le filtre anti-aliasing ou d’autres sources de flou de type gaussien.

La netteté de capture est effectuée à l’intérieur du module de dématriçage car certaines parties de l’algorithme nécessitent des données CFA brutes. La netteté elle-même est effectuée sur des données RVB dématricées et est disponible pour les capteurs bayer, xtrans et monochromes.

La netteté de capture n’est pas destinée à être utilisée comme outil d’accentuation générale de la netteté / d’amélioration du contraste local. Elle doit plutôt être comprise comme un moyen d’augmenter le microcontraste dans les structures avec beaucoup de détails et conduit à de meilleurs résultats pour un traitement ultérieur. Les détails de surfaces comme le bois, les murs en briques, les cheveux, etc, en sont d’excellents exemples.

Les prérequis pour des résultats optimaux sont les suivants :

Des paramètres de balance des blancs corrects (même exigence que pour reconstruire hautes lumières ou dématriçage) - dans de très rares cas, cela pourrait conduire à une qualité inférieure d’accentuation de netteté.
Low chromatic aberration – you might want to use the raw chromatic aberrations module to reduce problems – there will still likely be more and stronger halo artifacts.
Bruit de capteur acceptable, car le bruit sera généralement amplifié par l’affûtage de la capture (voir sensibilité au contraste ci-dessous).

L’accentuation de netteté de capture fonctionne dans un processus itératif utilisant des noyaux gaussiens spécialisés utilisant un sigma différent (dans la plage de 0,0 à > 1,5) pour chaque emplacement de pixel.

🔗Contrôles du module

Méthode: L’algorithme de dématriçage à utiliser (voir ci-dessus).
Seuil des bords (PPG): Le seuil pour une passe médiane supplémentaire. La valeur par défaut est 0, elle désactive le filtrage médian.
LMMSE refine (LMMSE only): Refinement steps for use with the LMMSE demosaic algorithm. Median steps average the output. Refinement steps add some recalculation of red and blue channels. While the refinement options work well for luma noise, they may decrease quality on images with heavy chroma noise.
Lissage des couleurs: Activez un certain nombre de passes de lissage des couleurs supplémentaires. La valeur par défaut est Désactivé.
Correction des verts: Dans certains boîtiers, les filtres verts ont des propriétés légèrement différentes. Ce paramètre ajoute une étape d’égalisation supplémentaire pour supprimer les artefacts. Les options disponibles sont Désactivé, Moyenne locale, Moyenne globale et Moyenne globale et locale. Cette option n’est pas affichée pour les capteurs X-Trans.
dual threshold (dual demosaic modes only): Set the contrast threshold for dual demosaic modes. Lower values favor the high frequency demosaic algorithm and higher values favor the low frequency algorithm.
Affiche masque de fusion (modes de dématriçage double uniquement): Affiche le masque de fusion qui est utilisé pour différencier les zones de hautes et basses fréquences (ajusté par le contrôle Double seuil). Pour chaque pixel, plus le masque est lumineux, plus la sortie du module est extraite de l’algorithme de dématriçage des hautes fréquences.
netteté de capture: Activer la netteté de capture. Cette option activera des contrôles supplémentaires (voir ci-dessous) et tentera de calculer automatiquement la sensibilité rayon et contraste en fonction des données brutes du capteur de l’image actuelle (voir ci-dessous).
itérations (netteté de capture): La force de l’effet augmente avec le nombre d’itérations. Pour la plupart des images, un réglage de 8 sera suffisant.
rayon (netteté de capture): Définit les mathématiques utilisées (sigma) pour les noyaux gaussiens spéciaux. L’analyse de nombreuses images (également de la communauté RawTherapee) montre que, sur des capteurs modernes, utilisant un bon objectif et un dématriçeur de haute qualité, un rayon typique sera compris entre 0,5 et 0,8.; Pour calculer automatiquement le rayon de l’image actuelle (en fonction des données brutes du capteur), cliquez sur le bouton à droite du curseur de rayon. L’algorithme sous-jacent est utilisé depuis un certain temps avec des résultats fiables, même s’il peut échouer sur des images présentant beaucoup de bruit chromatique. Ce calcul fonctionne mieux lorsque l’image est entièrement zoomée et non recadrée dans la vue de la chambre noire.

Remarque : N’augmentez pas manuellement le rayon beaucoup plus loin que la valeur calculée automatiquement, car cela entraînera rapidement des artefacts de halo.

sensibilité au contraste (netteté de capture): Comme le bruit du capteur sera généralement amplifié par l’accentuation de netteté de capture, nous essayons de contrer ce problème en effectuant une analyse de la variance locale, de la luminance et d’un seuil défini par l’utilisateur. L’accentuation est appliquée uniquement aux régions considérées comme sûres par cette analyse. Cette analyse aboutit à un masque qui peut être visualisé en cliquant sur le bouton à droite du curseur de sensibilité au contraste.; Pour une bonne valeur par défaut, nous vérifions l’ISO de l’image et la précision de lecture du capteur comme point de départ.; Les images très bruyantes nécessiteront des valeurs plus grandes que celles par défaut. Pour un bruit de capteur très faible, vous pouvez diminuer le seuil pour améliorer également la netteté de la capture dans les parties très sombres de l’image.
renforcer les angles / accentuer le centre (netteté de capture): La plupart des objectifs sont plus nets dans la partie centrale que dans les coins de l’image. L’augmentation du paramètre renforcer les angles entraîne l’utilisation d’un rayon par pixel plus grand dans les noyaux d’accentuation de netteté de capture pour les coins de l’image. Ce rayon supplémentaire est contrôlé par le contrôle renforcer les angles. Le réglage de renforcer les angles entraînera l’apparition d’un curseur supplémentaire (accentuer le centre). Cela contrôle la zone affectée en utilisant la distance par rapport au centre de l’image. Encore une fois, le bouton masque à droite du curseur vous permet de visualiser l’effet.

🔗préréglages, styles et copier/coller

Définir des préréglages de de dématriçage ou en utiliser des paramètres de dématriçage en tant que styles ou copier/coller des piles d’historique est un peu plus délicat que pour les autres modules. Veuillez garder à l’esprit que dématriçage fonctionne pour une gamme de capteurs, chacun offrant des algorithmes différents et certaines options spécifiques. Voici quelques rappels :

La création d’un préréglage automatique qui ne s’applique qu’à un appareil photo spécifique devrait toujours pouvoir se faire en toute confiance.
Si un préréglage a été défini lors du travail sur une image avec un capteur différent de l’image actuelle, darktable traduit l’algorithme comme suit :
- les capteurs Bayer reviennent à RCD
- les capteurs xtrans reviennent à markjestejn
- les capteurs bayer4 utilisent toujours vng4.
- le dématriçage double sera également disponible sur les capteurs bayer et xtrans
Des options supplémentaires telles que correction des verts ne seront appliquées que lorsqu’elles sont prises en charge par le capteur actuel.
Dans les préréglages appliqués automatiquement avec la netteté de capture activée, vous souhaiterez peut-être utiliser le rayon calculé automatiquement (ou la sensibilité au contraste) au lieu d’utiliser des valeurs codées en dur. Pour y parvenir, vous devez régler le rayon (ou la sensibilité au contraste) à zéro avant d’enregistrer le préréglage. Si ce préréglage est ensuite appliqué à une autre image, darktable l’accepte comme une demande de re-calcul automatique de ces valeurs.

L’accentuation de la netteté de capture n’est pas activée par défaut, mais vous pouvez y parvenir en définissant un préréglage appliqué automatiquement après avoir défini le rayon et le seuil de contraste à zéro. Il vous est conseillé de laisser le paramètre d’itérations à son paramètre par défaut de 8, car cela conduit à une bonne netteté avec un très faible risque d’artefacts lorsqu’il est utilisé avec un rayon calculé automatiquement.

Il est généralement sûr d’appliquer automatiquement la netteté de capture aux images avec des valeurs ISO inférieures à 1 000. Si vous disposez d’un bon capteur, avec un faible bruit même sur des valeurs ISO élevées, vous pourrez peut-être l’utiliser pour des ISO allant jusqu’à 3 200.