zoukankan      html  css  js  c++  java
  • 在拍摄时看懂相机直方图

    概要:

    我们在之前有两篇文章是讲快门速度、光圈和感光度对照片曝光的影响:

    【笔记】把握曝光三要素(上):快门、光圈、ISO

    【笔记】曝光三要素(下):快门、光圈和感光度的应用

    通过那两篇文章,我们知道了在过曝或欠曝下如何通过调整快门、光圈和感光度来达到正常曝光。那我们在拍摄时如何判断一张照片是不是正常曝光呢?就可以通过直方图来看,本文就讲一下在前期拍摄中直方图的运用。


    一、直方图的概念

    直方图在数码摄影中是一个非常有用的工具,通过直方图可以清楚地看到照片上亮度信息,进而判断照片是否欠曝或者过曝,也就是说,在拍下一张相片后,及时查看直方图,可以有效判断照片的曝光情况。我们通过相机显示屏、LR、ACR、PS、手机后期的APP等等方式都可以看到相片直方图的情况。如图就是直方图的例子:

    下面这张图就是我们在相机就能看到的直方图,我们就可以在拍摄时直接查看直方图信息:

    在前期拍摄时,我们查看直方图能够获取的信息就是照片的亮度信息,所以我们要先解释一下亮度信息。

    我们平时在看一张照片或者对某一个场景的亮度描述一般会是很亮、挺亮、挺暗、很暗等等这些形容性的词语,但对于机器来讲这样的描述基本就是黑人问号了。那机器是如何表示亮度的呢?就是用数值,在数值化里面,亮度被分为0到255共256个数值,数值越大,亮度越亮,0表示不发光,是最暗的纯黑色,255表示发最强光,是最亮的纯白色,而中间的数值就代表不同亮度的灰色。如下图:

    回到直方图,我们建立一个坐标轴,横轴表示0-255的亮度数值,纵轴表示对应亮度的像素数量,就形成了我们的直方图。如下图:

    二、直方图形态与照片亮度的对应关系

    上面我们解释了直方图的概念,接下来我们就解释一下直方图与照片亮度的对应关系。

    我们将直方图进行切割,分成几个部分,从左至右分别是黑色、阴影、中间调、高光、白色,如下图:

    对应到照片上就是黑色区域、阴影区域、正常亮度、高光区域、白色区域。一般来讲,正常亮度区域的细节是最丰富的,也是能直观看到的;而阴影和高光部分,则是有细节,但是可能肉眼比较难看到,我们通过提亮阴影或者压暗高光,可以找回这些区域的细节;黑色和白色部分可以给照片带来更多的层次感;而黑色的最左边为纯黑色,白色的最右边为纯白色,这两块区域是无法怎么提亮或者压暗,都是没办法找回细节的,即照片中这些部分是缺失细节的。

    为了更好的理解,用几张比较极端的图来表示一下照片亮度在直方图里的表现(下面所有直方图都是在手机软件snapseed中能看到的)。

    这是一张纯黑色的图,在直方图里表现为全部像素都在最左边(可以理解为纯黑色的地方是欠曝的,没有记录下任何细节,我们后期再怎么提高曝光、提亮阴影都是无法找回细节):

    这是一张纯白色的图,在直方图里表现为全部像素都在最右边(可以理解为纯白色的区域是过曝的,细节也是丢失的,我们后期再怎么降低曝光、压暗高光都是无法找回细节):

    这是一张一半纯黑一半纯白的图,明暗对比度大,在直方图里表现为一半像素在最左边,一半像素在最右边:

    这是一张画面阴影及暗部区域较多的图,我们称之为“低调”照片,在直方图里表现为大部分像素堆积在左边:

    这是一张画面高光及亮部区域较多的图,我们称之为“高调”照片,在直方图里表现为大部分像素堆积在右边:

    这是一张高对比度的图(即明暗比较分明,中间调亮度比较少,它的极端情况就是一半纯黑一半纯白的图),在直方图里表现为左右两边堆积的像素比较多,而中间的像素比较少(两边高,中间低):

    这是一张低对比度的图,照片看起来会灰蒙蒙的,在直方图里表现为中间堆积的像素比较多,而左右边的黑色和白色区域几乎没有像素:

    到这里,我们应该就大致能知道直方图的形态与照片亮度的对应关系了。再看一张图,巩固一下:

    接着我们再进一步讲讲直方图在前期拍摄的作用。

    三、拍摄时看直方图,发现照片中的过曝或者欠曝

    我们在平时的拍照中,一般是不会出现整张照片都是纯黑或者纯白的极端情况,更多的时候照片的直方图是分布在整个坐标轴的,一张所谓正常曝光的照片(这里需要注意的是,我们说的是一张正常曝光的直方图,不代表它是铁律,也不代表它是最正确的直方图,没有最正确的直方图,只有最合适的直方图!),直方图主要堆积在中间部分,并且慢慢过渡到两边(呈正态分布),并且最左边和最右边没有堆积起很高的柱子(即没有像上面的纯白或者纯黑照片的直方图),如下图:

    但是一般我们拍摄的参数设置不合适,就会导致照片过曝或者欠曝,体现在直方图上,就是最左边或者最右边有很高的柱子。

    这是一张严重欠曝的照片,表现在直方图上,有大量像素堆积在最左边:

    这是一张严重过曝的照片,表现在直方图上,有大量像素堆积在最右边:

    上面两个例子也是我们一般所说的存在死白、死黑的区域,就是有相当一部分像素数量堆积在纯黑色或纯白色的区域,这些区域是无法通过后期来找回细节的,所以我们在正常拍摄时要避免发生这样的情况。如果在实际拍摄中,拍摄完发现直方图的最左边严重溢出(曝光不足),那我们可能就要考虑通过增加曝光补偿、降低快门、开大光圈、调高ISO等方式来增加曝光量,而如果发现直方图的最右边严重溢出(过度曝光),那我们就要考虑通过减少曝光补偿、提高快门、缩小光圈、降低ISO等方式来减少曝光量。

    有人可能觉得,我们人眼一般通过看照片就能判断照片是否过曝或者欠曝了,实际拍摄上很少会去看直方图。说实话,在我的拍摄过程,我现在也还没养成拍完照片就去查看直方图的习惯,但其实由于显示屏的效果、环境光线太刺眼等原因,我们可能无法准确看全照片的亮度信息,只有通过直方图才能准确把握到暗部有没有死黑,亮部有没有死白,才能提高我们拍摄的成功率。

    当然,并不是说只有中间高,两边低的呈正态分布的直方图才是正确的,直方图只有指导作用,前期仅限于让我们能及时准确了解到画面的亮度信息。有时候,为了表达出我们的主题,还要故意让照片过曝一点或者欠曝一点(像上面的高调和低调照片),重点是你现在能够自己通过直方图去了解一张照片的曝光,并学会如何去调整。

  • 相关阅读:
    LINQ体验(11)——LINQ to SQL语句之Null语义和String/DateTime方法
    C#常用正则表达式
    oracle 体系结构解析
    Cloudera Manager5安装总结遇到问题及解决办法
    向CDH5集群中添加新的主机节点
    ZeroCopyLiteralByteString cannot access superclass
    如何杀掉当前正在执行的hadoop任务
    Mapreduce读取Hbase表,写数据到多个Hbase表中
    Mapreduce读取Hbase表,写数据到一个Hbase表中
    HUE 安装
  • 原文地址:https://www.cnblogs.com/brady-wang/p/9546747.html
Copyright © 2011-2022 走看看