摄影

相机

相机概述

相机分为两种原理

  1. 小孔成像,对应针孔相机。针孔相机成像是没有深度信息的,成像的所有地方都是锐利的,不存在景深和模糊,whitted-style ray tracing和path tracing用的都是针孔相机
  2. 透镜,对应普通的相机
    image

相机部件

快门:控制光进入相机的时间
image

机械快门不是整个快门同时打开的,有一些部分先暴露,先关闭,一些部分晚暴露,晚关闭
如果拍摄的物体的运动速度和快门速度差不多或者更快,就会导致照片扭曲,如下图中的螺旋桨
image

传感器:记录进入相机的光的irradiance
image

光圈:通过改变透镜的大小,来控制单位时间内进入相机的光的量

透镜:一个非小孔成像的相机必须要带上透镜
如果没有透镜,传感器上每一点都收集了来自各个方向的光,但传感器收集的是irradiance,收集不了radiance,无法区分来自各个方向的光
image

Field Of View

FOV指的是相机能够拍到的角度
image

计算公式为,FOV \(= 2 arctan(\frac{h}{2f})\)
一般来说,我们衡量FOV,都是转换成固定的35mm的\(h\)来衡量
焦距越小,FOV越大;传感器越大,FOV越大

曝光

exposure = irradiance \(\times\) time
time是由快门控制,irradiance由光圈和焦距控制的
传感器最后记录的是总的能量,而不是单位时间的能量

f-number:焦距除以光圈直径
irradiance不光和光圈大小有关,还和成像大小有关,成像面积越小,irradiance越大。
而在摄影时,往往近似物距为无限远,则像距为焦距\(f\),成像面积和\(f^2\)成正比
f-number = \(\frac{f^2}{D^2}\),irradiance和f-number成反比

快门越快,time越小,进入传感器的光越少
ISO gain代表感光度,相当于对传感器捕获到的信号做放大,而且呈线性的放大

如下图
f-number越小,曝光越多,景深也会越明显
快门比较慢,会使亮度变大,也会造成运动模糊。运动模糊会给人带来速度快的感觉,而且如果在时间上采样率不够高,模糊可以实现反走样
ISO增大,把信号放大了,但信号中的噪声也会被放大
image

薄棱镜

理想化的薄棱镜
假设

  1. 所有平行光穿过棱镜,会聚焦在焦点
  2. 所有穿过焦点的光,再穿过棱镜,会变成平行光
  3. 穿过棱镜中心的光线不改变方向
  4. 焦距可以任意改变,在现实中是由棱镜组来实现

薄棱镜的成像图示与公式如下
image

模糊

我们的照片中,一定有一个平面成的像是最锐利的,我们称为focal plane,该平面的光线经过棱镜刚好到达sensor plane上成一个点。当我们的物体不在focal plane时,在sensor plane上成的像会是一个圆,irradiance减小,成像模糊,我们称这个圆为Circle of Confusion CoC
可以通过计算得到\(\frac{C}{A} = \frac{|z_s - z_i|}{z_i}\)
这样我们就知道了,光圈越小,越接近小孔成像,CoC越小,景深产生的模糊就越小。相反,产生的景深模糊越明显
image

景深

景深的定义:在成像的一段范围内,尽管成像不是一个点,但CoC都比较小,我们认为这一段成像锐利,我们称这一段的深度为焦深,对应的物深度为景深,当景深比较深,则成像中清晰内容比较多,否则模糊内容比较多
image

景深的计算如下
image

光场

全光函数

全光函数是一个七维的函数
表示在不同的三维坐标,向着不同的方向,在不同的时间,看到的不同波长的光的强度
image

光场定义

对于一个物体,我们可以计算从它表面上任意一点,向任意方向发出光线的irradiance,也是任意一点的radiance,这就是一个物体的光场light field,是全光函数的一部分
image

物体的光场也可以记录在一个包围盒上,因为物体表面向外的光线都会穿过这个包围盒,我们可以用包围盒的光场,即包围盒上任意一点的radiance,来代替掉物体的光场
这样我们可以以将包围盒展开的思想,用二维信息来记录包围盒上的坐标,再用二维的球坐标系来记录方向,最终我们得到了,光场是一个四维的函数。
image

用包围盒的好处是,很多时候我们并不需要知道观测物体真实的情况
如下面两张图,上图是我们直接观察环境,下图是我们观察一个记录着与环境同样的光照信息的幕布,最终得到的结果是一样的
计算光场时,包围盒起到了一样的效果,无论观察物体的形状有多复杂,我们都可以用包围盒的四维信息来表示光场
image
image

光场还有另一种表示方法。我们可以用两个平行的截面,去截断光线,这样每条光线会产生两个与平面的交点,我们用两个交点就可以表示一条光线
一个平面上的二维坐标我们用\(u-v\)表示,另一个用\(s-t\)表示,这样我们又可以用四维坐标表示所有的光线,即光场
image

下面我们用\(s-t\)代表比较靠近物体的平面上的坐标,\(u-v\)则是另一个
如果固定\(s-t\),移动\(u-v\),就类似于小孔成像,从一个固定的点看向物体,得到的则是在从固定角度看到的物体的全像
如果固定\(u-v\),移动\(s-t\),则是从所有角度,看向物体上的一个点,得到的是物体上这个点的radiance信息
image

光场的实现可以通过两种方式
第一种是相机的阵列,每个相机通过透镜和感光元件得到一张二维图像,即radiance,又可以通过二维坐标选定相机,这样就通过四维信息得到了光场
image

第二种实现就是光场相机

光场相机

光场相机在感光元件和光之间加了一层微透镜组,每个感光区域都对应着一个微透镜,微透镜可以将来自不同方向的光分散到一个区域上不同的位置,这样一个区域记录的就是radiance,一个区域实质是由多个像素组成,每个像素记录的是这个区域每个方向的irradiance。和普通相机不同,普通相机只有一个透镜(透镜组),每个像素都对应的是irradiance,整个感光元件对应的才是radiance
image

下图就是光场相机拍出的照片,每个圆形区域都对应着一个微透镜和记录radiance的感光区域
image

光场相机允许后期调节照片拍摄的方向,所有区域都选择一个方向的irradiance即可
image

光场摄像机的优点

  1. 允许相片的重新聚焦
  2. 存储了环境的所有信息
    缺点
  3. 环境中的一块面积,本来对应普通照片的一个像素,现在变成了需要很多个像素实现的一个区域。如果想要保持清晰度,则需要更高分辨率的感光元件
  4. 微透镜制造工艺复杂,成本高昂

颜色

SPD

谱功率密度Spectual Power Distribution SPD
记录着光在每一个频率上的分布
image

SPD具有线性可加的性质
image

颜色感知

颜色是人对光的感知
人眼就是一个相机,瞳孔代表光圈,晶状体代表透镜,视网膜代表感光元件
image

视网膜上有棒状的细胞和锥状的细胞
image

棒状的细胞:用于感知光的强度,可以得到灰度图,数量比较多
锥状的细胞:用于感知颜色,分为S, M, L三种锥形细胞,三种细胞对不同波长的光响应程度不同,下图是三种细胞的响应曲线
image

对波长的感知结果就是,在波长范围上对响应程度\(\times\)SPD做积分,三条响应曲线得到三个积分结果,\(S, M, L\)就是最后人眼感知到的结果,人脑再对\(S, M, L\)进行处理,就得到了颜色
image
image

同色异谱

同色异谱:存在这样的情况,两种光光谱不同,但积分得到的\(S, M, L\)相同,人会认为是同一种颜色
利用这种现象,我们就在仿造颜色时,就可以通过人眼调制颜色,而不必仿制波形
image

色彩模型与色域

色彩模型与色域概述

色彩学中,人们建立了多种色彩模型,以一维、二维、三维甚至四维空间坐标来表示某一色彩,这种坐标系统所能定义的色彩范围即色域。色彩模型包括sRGB, XYZ, HSV, CMYK, Lab等

计算机中颜色的混合是加色系统,并非减色系统。即加色系统中,所有颜色合在一起得到的最不纯的颜色是白色,减色系统中是黑色
image

sRGB

如下图,每种颜色是红绿蓝三种颜色的线性组合,系数\(R, G, B\)都大于等于0,\(R, G, B\)就被拿出来当作颜色的三维坐标
image

但存在情况,当\(R, G, B\)都大于等于0,一些特定的颜色无法调出,我们需要给目标的颜色加上颜色,才能合成。这样等同于给\(R, G, B\)取了负值
image

CIE RGB Color Matching Function给了如何通过RGB,混出所有的单色的方法
以下第一张图是对红绿蓝的标准定义,第二张图就是不同波长的目标合成单色,所需要的不同比例的RGB
image
image

如果对于复合的颜色,即任意SPD,分开\(R,G,B\)讨论,我们在波长范围上,对SPD\(\times\)匹配函数值做积分,得到的三个结果就是该复合颜色合成所需要的\(R,G,B\)
image

CIE XYZ

CIE XYZ也是一种色彩模型,也有一个颜色的匹配函数
好处在于

  1. 函数值均为正
  2. 在可见光域上每个函数都有大于等于0的值
  3. Y可以代表亮度
    image

想把颜色可视化
先对X, Y, Z做归一化,然后因为得到的\(x, y, z\)满足\(x+y+z=1\)所以可以省去一个变量
我们把\(y\)固定,因为\(y\)代表固定的亮度,用\(x\)\(z\)二维坐标来可视化颜色,得到的就是色域,也就是所有能组合成的颜色
image

不同的颜色系统,能够得到的色域是不同的
image

HSV:

H:hue是颜色
S: saturation是饱和度
V:value是亮度
image

Lab

Lab由三个轴组成,每个轴的两端是互补色
L轴代表亮度,两端是亮与暗
a轴两端是红和绿,b轴两端是黄和蓝
image

CMYK

CMYK是减色系统
通过四个颜色Cyan, Magenta, Yellow, Key组成色域
C, M, K组合会形成黑色,而不是加色系统的白色
CMYK常用于打印机
image

posted @ 2022-02-10 15:33  wcvanvan  阅读(360)  评论(0)    收藏  举报