Шумоподавление в цифровой фотографии¶

Шумоподавление в цифровой фотографии — совокупность алгоритмов и методов обработки изображения, направленных на уменьшение цифрового шума — случайных цветовых и яркостных искажений пикселей, возникающих при недостаточной освещённости или высокой чувствительности матрицы (ISO). Шумоподавление применяется как встроенными средствами камеры (при съёмке в JPEG), так и на этапе постобработки в графических редакторах.

¶Природа цифрового шума

Шум в цифровом изображении имеет два основных источника: фотонный шум (связан с квантовой природой света и возрастает с уменьшением количества света, попадающего на пиксель) и шум считывания (возникает при усилении электрического сигнала с матрицы). На практике уровень шума напрямую зависит от значения ISO: чем выше чувствительность, тем сильнее усиливается сигнал и тем заметнее артефакты. Также на шум влияют температура матрицы и длительность выдержки (при длительных выдержках появляется «горячие» пиксели).

¶Виды шума

• Яркостный шум — монохромные зернистые искажения, проявляющиеся как изменение яркости пикселей.
• Цветовой (хроматический) шум — цветные точки (чаще красные, зелёные, синие), возникающие из-за ошибок интерполяции при демозаизации матрицы Байера.
• Импульсный шум («битые» пиксели) — отдельные аномально яркие или тёмные точки, вызванные дефектами сенсора.

¶Методы шумоподавления

¶Пространственная фильтрация

Простейшие алгоритмы усредняют значения соседних пикселей. К ним относятся медианный фильтр (эффективен против импульсного шума) и фильтр Гаусса (размывает изображение, но снижает детализацию). Более совершенным является билатеральный фильтр, который сохраняет границы объектов, усредняя только пиксели со схожей яркостью.

¶Частотная фильтрация

Изображение преобразуется в частотную область (например, через вейвлет-преобразование), где шум соответствует высокочастотным компонентам. Подавление этих компонентов с последующим обратным преобразованием позволяет снизить шум с меньшей потерей деталей.

¶Алгоритмы на основе машинного обучения

Современные методы (например, в Adobe Lightroom, Topaz DeNoise AI, DxO PhotoLab) используют свёрточные нейронные сети. Модели обучаются на парах «зашумлённое — чистое» изображение и способны восстанавливать мелкие текстуры, которые традиционные фильтры размывают. Такие алгоритмы работают в RAW-конвертерах и позволяют «вытягивать» детали из снимков с ISO до 12800 и выше.

¶Многоснимковое шумоподавление

Используется при съёмке серии кадров с одной экспозицией. Алгоритм совмещает изображения по контрольным точкам и усредняет их, что позволяет значительно снизить шум без потери резкости. Применяется в астрофотографии и в режимах «мультикадрового шумоподавления» в камерах смартфонов.

¶Встроенное шумоподавление в камерах

Производители камер (Canon, Nikon, Sony, Fujifilm) реализуют шумоподавление на уровне процессора при записи JPEG. Оно включает два этапа: подавление цветового шума (более агрессивное) и яркостного (менее заметное). При съёмке в RAW шумоподавление не применяется или применяется минимально — оно переносится на этап конвертации. Начиная с 2020-х годов многие камеры предлагают настройку силы шумоподавления («стандарт», «низкое», «высокое»), а также функцию «длительное шумоподавление» для выдержек от 1 секунды.

¶Шумоподавление в постобработке

В графических редакторах (Adobe Lightroom, Capture One, DxO) пользователь управляет параметрами шумоподавления вручную. Основные ползунки — «яркость» (Luminance) и «цвет» (Color). Чрезмерное шумоподавление приводит к «пластиковому» эффекту — потере микротекстуры и ощущению искусственной гладкости. Поэтому применяется техника маскирования: шумоподавление усиливают только на однотонных участках (например, небо), а на детализированных объектах оставляют минимальным.

¶Особенности шумоподавления в смартфонах

В мобильной фотографии шумоподавление играет ключевую роль из-за малого физического размера матриц. Смартфоны используют вычислительную фотографию: многокадровое объединение (bracketing), разделение изображения на зоны с разной степенью обработки и нейросетевые алгоритмы. Это позволяет получать качественные снимки при слабом освещении, однако при сильном приближении (кропе) заметны артефакты обработки.

¶Критика и ограничения

Основная проблема шумоподавления — неизбежный компромисс между снижением шума и сохранением деталей. Агрессивные алгоритмы «замыливают» изображение, создавая эффект акварели. Кроме того, нейросетевые методы иногда «дорисовывают» несуществующие текстуры, что особенно критично в научной и медицинской фотографии. В связи с этим многие фотографы предпочитают снимать в RAW и применять шумоподавление вручную, контролируя результат попиксельно.

¶См. также

• Цифровой шум
• ISO (светочувствительность)
• RAW (формат)
• Демозаизация

¶Источники

• Блейк, Ларри. «Цифровая фотография: практическое руководство». — М.: ДМК Пресс, 2019.
• Adobe Lightroom: документация по модулю «Детали».
• DxO Photolab: технические описания алгоритмов шумоподавления.
• Статья «Image noise reduction» в журнале IEEE Transactions on Image Processing, 2021.