不,这不仅是美丽的图画。 这是Alena,实验的参与者。 哪种舞蹈对此做出了主要贡献。 但是,首先是第一件事。
每位摄影师都知道,快门速度越长,移动的人的图像就会变得越模糊(在所有其他条件相同的情况下)。
问题:这种可能性如何取决于暴露?
关于此主题,可能有许多理论上的考虑。 但是没有实验的理论就像没有酒的烤面包。 因此,进行了一个实验:
- 设有照相馆。
- 音乐开了。
- Alyona受邀。
- 哪一个在跳舞...
- ...在随机的时间里,我用三脚架拍摄了不同曝光量的照片,然后键入了几百张...
- ……最后计算清算的比例。
阅读有关方法和结果的更多信息
[出于相当随机的原因,本文中术语“暴露”和“暴露”可互换使用。 在所有这些情况下,都暗含摘录,我希望从上下文中可以明显看出这一点]
当然,框架的清晰度是一个复杂而主观的问题。 为了清楚起见,决定考虑使用一张清晰的照片,其中的眼睛看起来非常清晰。 当然,这是一种简化,但与现实并非无限距离。 毕竟,众所周知,即使是带有正常转过脸的强烈“模糊”框架,也可以容忍,但事实恰恰相反:
立即结果
图表上是根据实验测得的根据曝光量做出技术清晰镜头的概率:
“小胡子”描述了由于舍入误差(±0.5帧)和预期的
二项式噪声 ±1σ而引起的测量不确定性。
在质量水平上,一切都如预期。 当曝光增加时,清晰的帧会丢失。 但是,不仅要看到这种依赖关系,而且要理解它是一件好事。 量化。
要做到这一点,而不是绝对的成功几率,让我们看一击的几率与一击的几率之比:
Y =(冻结的帧数)/(成功的帧数)
用这些术语,该图具有简单而优雅的外观:
红线是幂定律,记录在实验数据中。 她的指标(1.93)非常接近两个。 我强烈怀疑“实际上”正是对测量误差准确的推论。
怎么了
有点理论。一点理论
要了解这一点,请考虑舞者的眼睛运动在相机矩阵的水平
x轴上的投影。 用函数
x (
t )来描述。 图像清晰度的严格条件是,在整个拍摄持续时间内
dt不能超过特定限制
r :
由于要获得“相当不错”的框架,不必绝对精确地满足此条件(我们对高达百分之几十的误差感到满意),因此我们进行了简化。 我们假设在
dt拍摄期间
,运动
x (
t )至少近似线性,即:
x (
t +
τ )≈x(
t )+
τ *
v x (
t )
然后,清晰度条件将被重写为:
|
v x (
t )| <
r /
dtv x (
t )是快门打开
t时沿
x轴的速度。
此外,我们对眼速了解多少? 什么是一次同时包含多个关节的复杂运动集:脚,膝盖,臀部,身体,颈部。 因此,
v x (
t )可以表示为几个较简单的速度分量的叠加:
在给定的时间点
t ,这些分量的每一个都可以认为是随机的[对于无聊的人:舞蹈-准周期性运动; 我们将其分解为傅立叶级数,并回忆起摄影者每个组件的相位实际上是随机的。 乍一看,这对我们没有多大帮助。 毕竟,我们既不知道这些随机变量的属性,也不知道它们的分布类型。 似乎是环形的死角? 但是在这里,
中心极限定理得以解决,它指出,当对大量可比较幅度的弱相关随机变量求和时,结果将趋于正态分布-即使输入分布远非正态分布! 实际上,当添加3-4个值时,这通常已经起作用。
这使我们有理由相信
v x (
t )的值是正态分布的:
此外,是的,平均
μ =0。为什么? 由于舞者的动作受到舞台的限制,因此长时间内的总位移(即平均速度)为零。 但是,实际上,摄影师通常使用镜头“引导”他的目标,这对平均运动提供了更为严格的限制。
更琐碎。 几率|
v x (
t )| <
r /
dt ? 经典教科书答案:
当曝光量很大时,仅沿着狭窄的中央条键入积分,在该条中该函数近似恒定,并且答案变为:
p = 2
r /(
dt *
σ√ (2 *
π ))
即,偶然猜出打开快门的正确时刻的可能性降低为1 /
dt 。
现在回想一下,摄像机的矩阵仍然是二维的,为了使帧清晰,我们不仅必须猜测
x轴的力矩,而且还要猜测
y的力矩。 (简化,简化,无需计算√(
x 2 +
y 2 ))。 如您所料,如果这些时刻在统计上是独立的,那么猜测的概率就会相乘,结果是:
p =常数/
dt 2-与实验中的观测值渐近一致。
总结
考虑到这个结果,因此我准备编写以下公式,以使未增大的舞者帧随
dt曝光而变:
p = 1 /(1 +(
dt /
dt 0 )
2 )(10)
此处
dt 0是50%的镜头结婚的曝光量。
这个结论不仅可以轻松地概括为舞蹈,而且可以概括为许多复杂的准周期性运动,在这种情况下,框架的清晰度有一个简单的标准,并且运动本身可以被认为是二维的(例如,不需要每次都进行彻底的重新聚焦)。 无论您是射击曲棍球守门员,一朵花上的蜂鸟,还是桌上的热情小酒,博览会“长”端成功的概率都会降低1 /
dt 2 。
顺便说一下,握手的润滑很可能是由相同的依赖关系来描述的,这可以解释有关距手35毫米处1/5秒成功拍摄的故事。
这个结果有多有用?
这表明:在光线不足的情况下拍摄并不那么可怕。 是的,随着照度的降低,成功的可能性降低了-但是是多项式的,而不是指数级的。 有了这种依赖性,就很有可能摔跤。
其次,它使您可以估计所需的拍摄量。
一个例子。 假设您为聚会拍照。 它的动态性使得肖像的后半部分的1/30已经模糊。 但是光线变暗了,即使在最高ISO的情况下,相机也不允许升至1/10秒以上。 成功的机会是什么? 我们计算清晰框架的预期份额:
p = 1 /(1 +(30/10)
2 )= 1 /(1 + 9)= 1/10 = 10%
很少,但绝不是绝望的。 如果您播放几百张照片,那么在它们拍摄之后很可能能够提取大约200 * 0.1 = 20个技术上不错的图像。 如果至少有一半内容有趣,那么对于一个像样的相册来说就足够了。
适用范围?
所考虑的输出逻辑在被摄体多次改变运动速度和方向的展览上不再起作用。 对于舞蹈,这是亚秒级的曝光。 结论是否超出范围? 一些直观的考虑以及
Bernstein-Kolmogorov不等式似乎表明,即使在较快的快门速度下,
O (1 /
dt k )的幂律定标也会保留。 但是我不认为现在可以证明所有严重性。
备注1 。 当然,摄影的成功取决于除图像模糊之外的众多因素。 其中许多功能(例如,房间照明不均匀或拍摄时景深较浅)完全有能力“杀死”图片(从技术角度而言)和上面所述的依赖性。 但是,实际上,它运作良好。 我第一次打算在2009年,即
p(锐度) ≈1 /
dt 2类似的东西。 从那时起,已拍摄了数十万张照片,其中许多处于危险曝光状态,并且总体而言,此结果与该公式所产生的预期一致。
备注2.当然,今天的结果并不像10-20年前那么重要,当时摄像机的最大工作感光度可能仅为400-800 ISO,并且您必须大胆尝试才能在昏暗的环境中捕捉到不错的照片。 今天(或不久的将来),这个问题很可能可以通过软件解决。 要以12800的ISO拍摄视频,检测眼睛并从数百个帧中选择唯一质量最好的帧。 数十年来实践中获得的许多技能现在正在从自动化中移走。 那可能是对的。
谢谢您和全体员工!