标签: 成像

个人专栏又很久没更文章了，去年大量坑都没填。这次就把 2019 年年初宣称要翻译，但一直都没翻译的文章翻译一下吧。 这篇文章的作者 Harold Merklinger 在光学领域是相当知名的专家，也著作不少。原文题为 The Technical View of Boke。这篇文章我个人感觉相当通俗易懂。Boke（或 Bokeh）是源自日本的一个词，描绘的是照片的焦外虚化特性，本文会将这个词统一译作虚化。某些文章也可能会将该词译作“散景”（比如 DxOMark 中文网）。 这篇文章的撰写时间是 1997 年，当时的成像介质主要是胶片（film，菲林 ;)），所以文中出现胶片，大致上可以将其对等于现在的图像传感器。这篇文章其实整体上和“电子”关系不大，不过我写专栏一直都是这么随意的嘛（下次还可以聊聊娱乐圈）......另外，这篇文章中出现“焦平面”一词时，若无特别说明，则就是指物方焦平面（像方焦平面会特别说明）。 如果你对“焦外”“对焦”“焦点”“焦平面”这些基本概念并不了解，那么建议阅读以下两篇文章（或回答）。本文面向的是成像技术爱好者。文章内容会有少量二次演绎。 1. 用算法合成的背景虚化效果与用大光圈镜头拍出的效果相比差距有多大，主要区别在哪里？ 2. 聊聊照片的背景虚化，和二线性！ 正文开始： 摄影师都很清楚，区分摄影照片和画作之间的其中一个因素，就是对焦（或焦点）。我们人类看世界的时候，双眼倾向于将一切都放到焦内，人眼是能够做到自动对焦的。通常艺术家们也会以类似的方式去描绘世界。画作中的主体可能会以更明亮的色彩去描绘，也可能有更多的细节；不过画面中的次要对象通常也是很锐利的。 而镜头（也包括眼睛的“镜头”）则会对画面做一些“取舍”，近处和背景的对象会被“弱化”（原文用的词是 de-emphasis，即不强调），也就是焦外。善于观察的摄影师会发现，不同的镜头表现会有差异：大光圈镜头会呈现出较强的焦外虚化效果，而小光圈的镜头在焦外柔化方面就没有那么显著。另外即便是相同焦距、相同光圈的不同镜头，在虚化效果呈现上仍然是有差别的。日本人就将焦外虚化的呈现质量称作 boke。究竟什么是 boke，不同的镜头在这方面为什么会有不同的表现？ 图 1，镜头后放置一枚三角形的光阑，投射到像方平面的光线会形成三角形的横截面。如果胶片放置到焦点的前方，则胶片上会出现朝上的三角形；而如果将胶片放置在焦点后方，则会出现倒置的三角形。（需要注意，摄影照片最终会进行倒置） 无论成像质量如何，镜头都是遵循光学原理的，所以我推测虚化应该是能够直接用技术术语去做解释的。其本质就是卷积的问题。 接下来的讨论，看起来应该首先用画画来类比。我们可以将摄影成像看做是画画的某种特殊形式。随后我们再去探讨，将镜头比作是画家的各种画笔，而镜头之间又有何区别。这样的类比当然并不严谨，画家是用颜料，从纸张或者画布上去除光和色彩的过程，而摄影师则用光去构造画面。 卷积（convolution）的概念，也就是将某个画面中的每个基本元素，替换成另一个画面的；但限定，第二幅画面每个元素的整体亮度，必须与第一个画面中的一致。然后对整个场景的整体结果，一点一点做汇总。 那么接下来，我们就用卷积的方法来画张画。想象一下，某个场景中的每个细节都要画出来。我们用的画笔多种多样，从最精细的画笔，到相当粗调的。首先我们选择场景中，最远的对象的某个点。调制一下颜料，来表现这个点的颜色和亮度。然后我们取 1/100 克重的颜料，均匀地蘸到笔刷上——总之就是极少量。 因为我们是在模拟摄影，镜头会对焦到画面中的某个对象。那么我们选择的首个笔刷，大约是 1/4 英寸直径——这个尺寸通常是较远的光点在画面中呈现的弥散圆尺寸。将这枚笔刷放到画布上方，精准定位到场景远处对象所在位置。将笔刷轻轻点到画布上，1/4 英寸直径晕染的圆就出现在了画布上。然后我们将这个操作重复再重复，逐一进行。 首先是远处的这些细节，然后渐渐转到越来越近位置的细节，随着这种方式的画画持续，我们用的笔刷也越来越细。当进行到焦点位置的对象时（比如说某个人），用极细的笔触即可，也用同样 0.01g 的颜料量。再然后就是画近处（前景）的对象了，用的画笔则又开始逐渐越来越大。 整个画作过程中，我们是一点一点地画的；只有笔刷的尺寸，以及颜料的颜色在换。如果全过程都采用固定的极细笔触，那么就能画出整幅画都很锐利、细节丰富的图了。不过因为我们选择了各种尺寸的笔刷，所以背景对象，以及很近的近景就会显得比较模糊——这就跟相机拍的照片一样。 相机的工作过程，与前面所述的这种画画方式（采用各种尺寸的圆形笔刷）很相似。相机能够根据画面中对象所在的位置、对焦点的位置，以及镜头光圈，来选择笔刷的尺寸。随后相机就能完成一整副画了。而光的量，则与画作中每处细节一致，弥散圆尺寸也对应于每处细节。 画作中虚化的质量，是由笔刷设置决定的：也就是镜头的弥散圆特性、其光圈以及焦外离得有多远。 图 2，上面这张图是采用三角形的光阑-即光圈，从画面中其实很容易看出来。观察前景高光位置朝下的三角形，以及背景中朝上的三角形。这种弥散圆（弥散三角...）看起来其实很不自然，但实际上这张照片可是 100% 纯天然的。这个例子也表明，不应该采用三角形的光圈。 要理解虚化，我们需要简单地来了解一下弥散圆。 理想情况下，一枚镜头呈现的弥散圆应该是亮度一致的，且形状与光圈形状一致。弥散圆的尺寸（直径）取决于胶片与画面中的对焦点所在位置有多远。图 1 呈现了这一原则，不过那张图中的光圈是三角形的。像这样三角形的光圈，那就不是弥散圆了，而是“弥散三角”。 图 2 呈现的照片，用的就是三角形光阑（光圈）的镜头。注意其中焦外的高光区域，看起来就是三角形的。在这一例中，靠近相机的高光（焦平面前方）表现为向下的三角形，而背景位置（焦平面后方）的高光就是方向向上的三角形。（在此例中，镜头中的光圈本身是方向朝上的三角形） 所以，虚化很大程度取决于光圈的形状。应该较大程度地避免采用三角形光圈。 图 3，上图是黑底白图测试图案，可用于理解光圈形状对于焦外的影响 图 4，方向朝上的三角形为光圈的镜头，胶片与镜头很靠近的情况下，拍下的照片 （译者注：图 4 和图 3 貌似并不是同一张测试图） 我尝试拍摄图 3 的测试图案，其中包含了各种形状，且以故意将这些图案放到焦外。图 4 则展示了三角形光圈拍下的其中一张样张。注意右上角焦外的三角形图案：与“弥散三角”本身朝向方向一致的那个三角形，呈现得比较锐利，虽然整体亮度不均匀。 而图 4 右上角朝向方向相反的那个三角形图案，看起来就比较有趣了。整体看起来这是个六边形，而且有三条比较明显的亮线贯穿。实际上这三条亮线并不真正存在于原图案中，这只是视觉错误。 （译者注：在我翻译的另一篇文章中有提到过这种视觉错误：《 聊聊照片的背景虚化，和二线性！ 》） 图 5 放大了这两个图案，注意这个三角形靠近下方位置多加了一条白线，下方的曲线则是该白线所在不同位置的亮度变化。这条亮度曲线并没有在某处发生陡升或陡降，其实也能够说明视觉上的那几条“亮线”并不真正存在，只是我们的错觉。 这个错觉也表明，虚化的细节呈现不仅关乎光学特性，也一定程度和“生理效应”有关（原用词是 physiological effects，我想此处表达的意思就是虚化表现，其实和我们的眼睛特性也有关）。虽然可能是错觉，但对人眼而言，起码看起来是存在的——这种错觉也就实实在在地影响到了画面的呈现，即便它们事实上并不真实存在。 图 5，这是图 4 的一部分。下面那个六边形图案看起来有三条亮线贯穿。图案靠近下方的位置，人为添加了一条白线，用于作为下面亮度曲线的采样位置。亮度曲线在最下面，这条曲线表明图片仅有亮度的渐进式变化，以及一个稳定区。并不存在能够反映错觉中“贯穿图案亮线”的尖峰位置。所以三条亮线只是错觉。 图 4 还出现了另一个现象，某个形状图案如果其边，与镜头光圈的边（此处应该是指三角形光圈的三边）方向一致，则图案更能分辨得清。图 4 中可以看到，画面下方的扇形条纹图案，水平方向的线条，以及与水平方向呈大约 30° 角的线条都能分辨得清，而其他角度的线就不大能够分辨了。所以镜头光圈的理想形状应该是什么样呢？这就取决于拍摄对象本身了。完美的圆形，可能是我们能够采用的比较折中的选择：它在所有角度都会表现出一定程度的伪分辨率。不过圆形光圈不会存在太大的偏向。 （译者注：spurious resolution，伪分辨率，这其实是个挺反直觉的概念。比如像下面这种典型的放射状分辨率测试图案，越往中心位置每毫米线对数量越多。将其故意放到焦外拍摄，整体画面虚化。从拍摄结果来看，从外围到中心，原本每毫米线对稳定增加，但随后线对分辨率会降至 0，随后又增加了，但在逐渐增加一段过后又降至 0。 放大图片可见，中心位置最密集的线对其实都可以分辨得出，即便这些线条的密度程度，本身可能比失焦后的弥散圆尺寸还要小。这是题外话了，不再做扩展。来源： DPReview ） 不过摄影师通常也都知道，不同镜头设计，也会带来不同的虚化特性，即便光圈形状相似也是如此。以 Leitz 35/2 Summicron 为例，这枚镜头一直被人们认为有比较好的虚化表现；还有一些镜头设计经常被说存在“二线性”，或者其他形式的虚化表现不佳。其区别在哪儿呢？ 拍摄图 2 和图 4 这两张照片所用的镜头（150/6.3 Rodenstock Geronar）在虚化表现上就相当中性。弥散圆（从毛玻璃取景屏上）看起来就是简单的一致亮度的形状（从后方照亮一个小针孔，在画面中令其处于焦外），外圈可能会有不是很明显的、较亮的勾边。无论是在对焦点之前还是之后，弥散圆都基本上一样。那一圈亮边，我感觉有可能是视觉错误。虽说这种亮边可能是菲涅尔衍射造成的，不过如果的确如此的话，应该会看到有色光晕才对。而这张图上的亮边基本就是白色的。 图 6，这几张小针孔影像，是采用 Rodenstock Imagon 镜头拍摄，在四种不同距离下的弥散圆。从左到右，分别是影像位于焦平面前方 4cm、焦平面前方 2cm、焦平面内，以及焦平面后方 2cm。影像下方展示的是这些弥散圆从左到右（直径）的亮度变化曲线。 我测试的比较反常的镜头是 Rodenstock Imagon。图 6 展示了几个弥散圆，分别是在距离镜头不同位置下拍摄的。在焦平面前方的弥散圆，会出现周围的一圈亮边。弥散圆的实际尺寸也比预期得更小——当然这一点需要经过仔细测量才会发现。而在焦平面后方的弥散圆，则出现了相反的情况。弥散圆中心位置比较亮，且弥散圆的整体尺寸也比预期（原应有的）尺寸更大。这是由球面像差造成的。镜头光圈外围的光，对焦距离比应有的镜头焦距更近。 Imagon 镜头有相当特殊的滤光镜（水槽滤网式...原文是 sink-strainer），将这种滤光镜放到镜头前方，光圈外围的这种光线收敛会更为明显。图 7 就有所表现。左侧我们能够看到这种独特的水槽滤网式的图案。而第二张图，两排小孔已经聚合成了一排。图 8 则对这两个图案进行了放大。图 7 最右边的影像展现的是，“水槽滤网”小孔在画面中形成的点呈现出了放射状。 图 7，这张图是 Imagon 镜头加上其滤光镜之后，拍下的弥散圆 图 8，放大图 7 的前两个弥散圆。注意围绕中心的两圈圆点，右边那张影像的两圈已经汇聚成了一圈，这也是球面像差存在的证据。（这些影像中出现的条纹，可能是镜头被手指弄脏所致） （译者注：罗敦斯特 Imagon 所谓的“可控柔焦镜头”，带有一组特殊的滤光镜，不止一种。原文称其为水槽滤网，其实也可以说是花洒或者莲藕，或者蓬蓬乳嘛...... 通过不同数量、不同规格的这种小孔，就能达成所谓的柔光效果。画面中高光部分因此会有一种晕开的感觉。） 图 9，上面这些弥散圆，则是用 Nikkor-W 镜头拍摄的，同样是不同距离下的小针孔影像。影像下方的亮度曲线表明，焦平面后方的影像会表现出亮边，而靠近镜头侧（即焦平面前方）的弥散圆亮度曲线，两侧就没有尖峰，也就是说焦外影像就比较柔和。 图 9 展示的是 Nikkor-W 180/5.6 镜头所摄的一组弥散圆。相比 Imagon，其带“亮边”的弥散圆出现在焦平面的另一侧。我觉得，这应该是球差修正过度所致。 这种“亮边”效应，也被认为是虚化表现不好，甚至是“二线性”。带亮边的弥散圆，会让场景中的焦外区域出现某种程度的细节，甚至可能会有重影。其实带这种亮边特性弥散圆最典型的，就是折返镜头了。图 10 由 Kevin Hawk 拍摄，背景焦外就有独特的重影。 而中心位置更亮的弥散圆，则出现在 35/2 Summicron 镜头上，焦点前后方的弥散圆都如此。我觉得，只要弥散圆中心不是太亮，那么这种弥散圆应该能够表现出比较讨喜的焦外影像。如果中心较亮的区域所占尺寸太小，则影像焦外区域又有可能出现一些细节信息，虽然这种情况下是不会出现重影的。 需要注意的是，很多镜头在所有情况下，都不会表现出“好的虚化”或者“坏的虚化”。Imagon 的这种“亮边”现象，藉由水槽滤网式的光圈是可以做到某种程度的控制的。不过即便如此，这种镜头仍然能够对背景（焦平面后方）表现出平滑的焦外虚化。焦外近处（焦平面前方）的对象则可能会表现得相对生硬。而像 180/5.6 Nikkor 这样的镜头，则正好相反，在靠近相机的近处（焦平面前方）表现出更平滑的焦外影像，背景虚化会相对生硬。Summicron 的出色，就在于拍摄主体前后的焦外影像都比较平滑。 （过于）简单地说，一般的球面像差（如 Imagon）能够产生“好的虚化”，而过度修正球差则会导致“坏的虚化”。而且实际上，背景部分的虚化（焦平面后方）更重要一些，也会比前景更令人在意。 镜头呈现出的弥散圆是表现出“亮边”还是“中心部位比较亮”，主要取决于镜头的球差修正情况。而且会随实际所用的光圈，发生变化。此外，也可取决于镜头对于轴外像差（off-axis）的修正 （译者注：彗差、像散、场曲、畸变都属于轴外像差；球差属于轴上像差） 。在我的测试中，180/5.6 Nikkor 镜头在轴外的亮边现象，会比轴上略严重一点。 另一个观察所得是，为了表现出真正均匀的虚化（中性的虚化表现，即弥散圆亮度均匀），像差一定程度的权衡是有必要的，用于抑制弥散圆的亮边现象，达成理想的一致亮度的圆形。 图 10，这张图和图 2 拍摄的场景一样，不过这次所用的是 180/5.6 Nikkor-W，光圈全开。前景有比较出色的很柔和的高光表现，背景部分的弥散圆略带亮边。 图 11，这张图采用 250 Imagon 镜头拍摄，光圈 H=7.7，将“水槽滤网”式光圈外围的小孔关闭，不过从实际样张来看，仍有一排小孔没有关严实。不过无论如何，样张的前景高光部分会带亮边，而背景的弥散圆则表现出中心位置更亮的特性。 本文最后，我还拍了两张照片。仍是图 2 拍的那三个陶瓷人像。图 10 采用 180/5.6 Nikkor-W 镜头拍摄，图 11 则采用 250 Imagon 镜头拍摄。图 11 中，中间渔夫整体影像比较软，但前景的女士则有比较显著的亮边效果，看起来很不讨喜。作为对比，Nikkor 镜头所摄的前景很柔和，渔夫则非常锐利。 背景男性人像的高亮位置，两张照片整体表现差不多，不过细看还是能够看到 Nikkor 镜头所摄那张会有轻微的亮边现象，而 Imagon 镜头所摄那张的弥散圆中间部分偏亮。另外，女性人像右眼的高光部分，两张照片都只能看到一个半圆。这表明，此处高光位置的光，有着更偏的照射方向，镜头只有下半部分才被照到。 总结一下，相机“作画”会采用一系列的笔刷，笔刷的选择是由光圈形状、镜头设计的像差特点决定的。某些笔刷的边缘会更柔和，这是产生虚化差异的关键所在。 感谢在准备这篇文章过程中，Oren Grad 与 Mike Johnson 给予十分有帮助的探讨。 英文原文： A Technical View of Bokebokeh - Luminous Landscape ，转载请注明英文原文、作者，及译者欧阳洋葱

我们常说，成像技术与摩尔定律是背道而驰的，即工艺越先进，图像传感器上的像素越小，并不意味着性能越好，有时甚至成像质量会变差。当然了，摩尔定律更具体的定义其实不是这么说的，但我们姑且就这么信了。 不过我们知道手机这些年的拍照是越来越强的，像素也的确是越来越小——之前探讨 1 亿像素图像传感器的文章 其实就提到过这个问题，这也是这些年手机图像传感器实质上的发展趋势，甭管多少媒体喜欢大谈单像素尺寸这件事，像三星如今的图像传感器像素尺寸做到了 0.7μm——虽然还没有应用到 1 亿像素的图像传感器上。 当然了，手机摄像头的图像传感器总面积这些年一直是在变大的，起码从 10 年前的对角线 1/3 英寸，变成了现在的 1/1.33 英寸——这个转变其实还是巨大的。其实图像传感器变大，也就意味着拍摄一个相同的场景，光圈、快门、ISO 参数相同时（或者说照片亮度一致），则实际的光通量是明显更多的。从直觉上来看，拍照一定更好——毕竟吃了更多的光，光总量变大，也就意味着前端的散粒噪声会更低。 但好像 1 亿像素的手机，拍的照片其实也没比 4800 万像素的手机牛逼到哪里去；跟当年的 1200 万像素和 4100 万像素的较量，似乎全然不是一个量级。或者说，如果我们抛开什么光学/混合变焦、超广角这些多摄加成不说，当代手机的 28mm 主摄拍下的照片，其实也就那么回事：你说好能好到哪里去，坏又能坏到哪里去？ 前一阵还有朋友说想买个拍照好的手机，问我应该买哪款。其实以手机“摄影”框定的范畴，即便华为、小米之类的厂商把手机拍照吹破天际，如果同样是 5000 块钱的手机，它们的成像质量差异真的会大到哪里去吗？所以我跟他说：你喜欢哪个，就买哪款吧，你又不搞什么严肃摄影，没事难道还跟别人去拼一拼宽容度、边角失色的问题不成？ 毕竟这会儿早不是十多年前，手机拍照几乎就只有苹果一家能把自动白平衡做好；也不是十年前，诺基亚手机的解析力和信噪比可以把同时代竞争对手抛到天边去。 DxOMark 在 3 月份发布的一篇文章，我觉得特别能回答为什么 1 亿像素手机拍照其实也不过尔尔。这篇文章中提到，智能手机 10 多年来，成像质量提升超过 4EV（stop）；其中 1.3EV 是来自图像传感器/光学技术的提升；有 3EV 是来自图像处理器（SoC 的 ISP、NPU 之类），或者说智能手机的处理能力提升。 总体，智能手机拍照越来越好，是摄像头光学系统（包含图像传感器技术提升），以及图像数字信号处理能力的双重提升。而后者占了大头；前者有价值，但在手机这个门类的产品中，其提升相对缓慢——这其实也符合相机市场的发展，单画质提升速度，完全不可能像半导体技术发展那样疯狂。 图像传感器（光学系统）的技术提升 DxOMark 认为，近 10 年 APS-C 画幅的图像传感器，以 DxOMark 针对图像传感器的测试标准来看，其性能提升是 1.3EV。那么手机拍照 4EV+ 的程度是怎么做到的？ 手机摄像头的技术下放，不过相机从 BSI 技术上的获益远少于手机），其实质就是把像素内部的色彩 filter 与感光层（光电二极管）之间的电路层，移到后方去。我们所知，BSI 解决的主要问题是串扰，而且还能提升光的利用率。 感觉背照式和堆栈式，已经是基础教育级别的名词了吧...（笑 图片来源：DxOMark 实际上 BSI 这个工艺改进本身不光是提升像素感光能力，也在于因为光电二极管离上层更近，则传感器能够从更多的方向获取光子，它带来的价值包括： 光圈因此可以做的更大（更偏角度的光）；镜头也因此可以和传感器靠得更近，也就可以用更大的传感器；而且镜片可以更“平”，在增加额外光学组成部分，以及更长的有效焦距时也更具弹性，也不会让手机的摄像头模组太厚。 这么看来，BSI 对于手机拍照的贡献也算是延续至今啊，还影响到了光学系统设计。不过如 DxOMark 所说，这么多年的发展，无论是像素阱结构调整，还是什么 RAM 堆栈技术、Cu-Cu 互联之类，CMOS 制造工艺提升、图像传感器总尺寸越来越大，其贡献限定在 1.3EV。 图像处理器的技术提升 就图像处理来看，下面这张图，第一张是用无数年前的尼康 D70s 拍的 RAW 照片， ISO3200 ；第二、三、四、五张，分别针对这张原始照片应用了 DxO Labs 的 Optics Pro 3/5/7/9 软件做后处理（也就是不同时期的软件后处理）。能够看出随着时代发展，不管是算力提升还是算法提升，都对原有相同光学硬件基础的成像做了怎样的提升，就表明图像处理这些年还是十分重要。 图片来源：DxOMark 能够直观体现手机拍照提升的是下图，在低照度（5 lux）下从 iPhone 5s 开始，一直到 iPhone 11 Pro Max 拍摄的不同照片。按照 DxO 所说，图像处理器在其中提升比重占得明显更大，包括现在引入多张堆栈、AI 之类乱七八糟的技术——这本身就需以图像处理器算力提升为基础。 图片来源：DxOMark 我之前翻译过好几篇谷歌 AI Blog 相关成像技术的文章，都是将机器学习应用到计算摄影的成果介绍，前一阵才发了一篇 谷歌如何利用 Dual Pixel + Dual Camera + 机器学习实现背景虚化的文章 ，有兴趣的同学可以去看一看。这些主要建立在图像处理技术提升的基础上；而且足够谷歌在 Computational Photography 领域发一大堆的 paper。 谷歌在 Computational Photography 的成像技术介绍上最为透明，无论是 HDR+（高宽容度多张堆栈）、Night Sight（夜拍模式）、Super Res Zoom（抖动实现的超分辨率数字变焦），还是把机器学习应用到夜间模式的自动白平衡之类，它们对于当代手机拍照画质的提升显得十分显著。即便老一辈革命家们其实总是特别喜欢说，你这技术几百年前相机就用上了，你这是技术下放。 其实无论包括苹果、华为在内的厂商，在这些问题上的解决方案有多大差别，它们的核心都是图像处理的提升，包括用于图像处理的硬件算力提升，和软件算法提升。它们如 DxOMark 所说，贡献了 3EV 的画质提升。 1 亿像素的图像传感器，在 Computational Photography 面前，可能在实际产出的收益上，并不会显得十分巨大——于是，我们才说，这更是一个比拼 post processing 的时代。要不然大家都拿一样的一亿像素图像传感器，还哪来差异化竞争？ 毕竟现在不像过去那样，诺基亚随随便便就去跟东芝订个独家的 1/1.2 英寸的图像传感器（808Pureview），光学系统还有蔡司参与设计，就把别家手机拍照打到满地找牙。那是十年前的传奇了，图像处理器算力也远不如现在，那会儿都没人听说过 AI 拍照。如今的华为，即便有索尼的图像传感器独家定制资源，它到底有多“独家”都很值得打个问号，更别说，在图像处理器上谁技高一筹的问题。 当然其实在光学系统方面的努力，也包括了多摄之类的。不过这些提升，尤其是多摄的图像合成实现更好的画质，本身和信号处理又是分不开的——所以算是两者的相辅相成吧。 最后文章与文首呼应一下：既然手机拍照，图像处理带来的效益更大，那么其实手机拍照是否也可以很勉强地说，是符合了摩尔定律的发展规律的。毕竟要做图像处理，靠的就是数字芯片的发展。那么其实现在手机拍照越来越好，显然 7nm 的骁龙、麒麟之类的就十分有意义，重要性不亚于摄像头本身...那还不是要跟摩尔定律挂钩了吗？ 最后的最后，相机（单反/微单）领域，由于专业摄影职能和手机拍照的差别，其“计算”属性显得并没有那么重要，毕竟摄影师有自己的创作意图，而且还需要花大量时间去做人工的照片后期，自然不可能允许照片一拍下来就有浓重的饱和度和对比度。 而且相机在光学系统的优越性上具备碾压手机摄像头的特点，或者说吃光子的能力可以把手机甩到海王星去；不过当代手机凭借着图像处理能力越来越强，开始有人整天在问，手机拍照是不是能和微单/单反比了，一会儿红米秒尼康 D5，一会儿荣耀秒佳能 5D4——本质上是图像处理技术发展中，对传统光学技术的叫嚣，甭管他们有多荒谬，起码这种叫嚣在 10 年前是从来不曾有的。 推荐阅读： Smartphones vs Cameras: Closing the gap on image quality - DxOMark 看懂手机拍照的背景虚化：双摄3D成像再加上AI？ - EE Times China 索尼为什么还不出1亿像素CIS？华为该着急了！ - EE Times China

WOLF公司是一家为航空航天和国防工业设计、工程和制造先进的成像、编码和视频图形控制器的高科技公司。 20多年来，WOLF服务的客户已经从它的北美总部遍布世界各地。 WOLF宣布其在视频图形和并行处理能力方面实现了跳跃式发展。基于NVIDIA 28nm工艺的麦克斯韦尔GPU，WOLF公司VPX3U-GTX850M板CUDA每秒处理1155亿次，功耗仅为45瓦 ——这是现今航空航天和国防市场最高功率效率。   “低功耗使WOLF公司基于麦克斯韦的VPX3U-GTX850M板能全速运转——近1.2万亿次浮点运算/秒；不像前代开Kepler板，必须调低主频以免达到VPX热最大值。   利用世界上最先进的GPU架构，麦克斯韦让加固式视频图形VPX板实现25.7 GFLOPS /瓦的功率效率和高达上一代视频显示卡的性能提高一倍一个令人难以置信的功率效率。   上一代的带宽瓶颈也不再是一个问题，麦克斯韦PCIe总线3代x16能提供高达80.0 GB /秒的数据速率。此外，VPX3U-GTX850M与WOLF的图像采集卡极限（FGX）产品的完美结合提供了直接内存访问GPU内存的能力，从而解决了SBC数据转发拥塞的问题。   由于MIL-STD-810 能满足40G的冲击，0.2g²/赫兹@ 5 - 2000Hz的振动，-40至+ 85°C导电或空气冷却操作，这款主板非常适合图形和精密密集型应用，如视频稳定，滤波，3D地形分析和目标识别和跟踪等。 WOLF提供了两个标准的显示输出配置：两个DisplayPort和一路VGA；或者一个DisplayPort，一个HDMI和一个VGA；也可根据客户需要配置标准的NVIDIA Windows和Linux驱动程序。 产品特点： -  NVIDIA® Maxwell GM107 28nm GPU -  CUDA General Purpose GPU Engine -  25.7 GFLOPs/Watt -  PCIe Gen3 up to x16 -  1,155 GFLOPs CUDA Single Precision GPGPU -  Ultra-Low 45 Watt TDP -  3 simultaneous video outputs:      -  2 DisplayPort and 1 VGA     -  1 DisplayPort, 1 HDMI and 1 VGA    -  Optional custom configurations are also available -  2GB GDDR5 128-bit memory -  640 Shader Cores -  Advanced GPGPU parallel processing capabilities: CUDA, OpenCL™ 1.2, DirectCompute 11 -  DirectX 11.2, OpenGL 4.4 产品规格： - High level of ruggedization     -  MIL-STD-810, IPC 6012 Class-3     -  -40° to +85°C operating temperature     -  40g, 11ms shock and 0.2g²/Hz @ 5-2000Hz vibration     -   Conduction-cooled     -  Rugged air-cooled -  Windows 7 and Linux drivers -  VPX 3U form factor: 160×100 mm -  Supports VPX-REDI and OpenVPX 详情请点击： https://wolfadvancedtechnology.com/products/vpx3u-gtx850m/

成像亮度计测试背光面板 广州固润 图形测试是Westboro Photonics商业成就的一个核心组件。Photometrica®6.2软件非常擅长测试与评估显示器中的图像元素亮度。因此，通过样品检测，Photometrica®中很多可用的分析特征的指导与论证。本测试对象是汽车空调面板。 目的： 为了快速、高效去判定空调面板元素的亮度是否符合一系列用户定制的亮度要求。 步骤： 获取面板的亮度测试数据； 基于已知的尺寸，建立测试对象起像素与真实世界的尺寸关系； 基于不同提取策略的建立一系列的AOIs； 为每个AOI单元创建不同的指标去计算，这样可以制定面板特殊区域的通过/不通过标准。 穿越特定的AOI建立线轮廓以作进一步检验。 自动识别当AOI区域没能达到客户亮度要求时，把AOI高亮标注； 为面板创建一个整体的通过/不通过评价； 为质量保证目的创建一份包括各种细节测试与分析的report。 图一是Photometrica®6.2中客户定制的布局。不同测试与分析窗口的尺寸与放置位置已为可读性设置为最优化。 图一：使用P501F图像亮度计测试的汽车空调面板图像。整个Photometrica®6.2界面环境如图所示，展示出软件的很多分析功能。   1：获取测试数据 本测试使用P501F图像亮度计获取图像数据，该亮度计使用Nikon 55m f/1.8 镜头校准，使用如下设置获取图像： 聚焦距离：        50cm 光圈：            1.8 交叠：            ×4 最大亮度：        1.0×10 6 cd/m 2 最小亮度:         0.0cd/m 2 平均处理：        none   2：设置像素尺寸 像素与实际尺寸可通过如下设置进行关联： 通过图像确定一个单元，该单元的实际度量已知。在本例中，”AUTO”图片已知长10mm； 在“AUTO”图像附近画出线形AOI，对应于测量的长度。这个AOI在图2中示出； 注意该AOI的以像素为单位的长度。这个信息可从窗口底部的状态栏读出，在本例中，长度为125像素； 点击 Settings | Coordinates Units，然后在Coordinate Unit Settings窗口下 Linear Dimensions下方点击Edit按钮。将打开Pixel Size Calculator（见图二） 设置Image pixels为125与Linear dimension为10mm； 点击OK确认使用该值计算后面的测试与分析。                           图二： （左）使用一个线形AOI去确定图像像素与实际值的关系（右）Pixel Size Calculator用于像素与实际空间的度量。   3：通过条件筛选创建AOIs 两种筛选方案用于创建两种从AOI表格中的AOIs（见图三）。通过“CentralDisplay”筛选表格筛选出以CD_作为前缀的AOIs。 “CentralDisplay”筛选条件被配置为在父系AOI附件寻找像素点（见图四）。每个像素在连续像素点中通过本搜索算法将产生3≤Lv≤25cd/m 2 的亮度值AOI，并且最小的AOI区域会有9个像素。一旦这些组合一起，将形成子系AOI，会被确认为亮度值在上述范围内，他们边界会侵蚀一个像素。本设置目的是为了移除子AOI区域的边界像素，因为它们很接近那些不满足条件的亮度区域。 通过使用侵蚀算法去筛选AOIs ，统计指标的误差如平均亮度与亮度标准差一般都会下降                           图三：筛选表列表与他们用于创建AOIs的属性 图四：通过Refinement Scheme Editor命令建立 “CentralDisplay”筛选条件 筛选方案如图四的参数建立起来，将用于很多以“CD_”前缀的父系AOIs。同样的筛选方案“PerimeterObjects”应用于其他父系AOIs（并非命名为“CD_”）以创建很多的其他子系AOIs。   4：建立指标 父系AOIs筛选建立子系AOIs后，新的列将在AOI表格中建立。这些列将对应额外有用的统计信息譬如亮度标准差，区域，亮度均匀性，等等。   新行建立通过单击 （Edit AOI table columns…）按键来启动AOI Table Setting图表（如图五）。而 （Add column…）按键是用于开启Edit AOI Column图片的。最好，行名，标题，状态（公式），数据类型，单元可视性与AOI 单元场（Meta field）参数将被设置为所希望得到的数值。   图五：在AOI表格中创建一个新的列或者测量值。可通过Edit AOI Column表格中的Condition输入一个复杂的公式。   5:创建轮廓线 线型截面的轮廓线首先需要使用线型选择工具在测试区域画一条线创建起来，一下会阐述清楚，通过单击 （Create a new profile）按钮。 图六是一个被放在风扇强度级别亮度的轮廓线。亮度—像素点的图像使用红线标识出来。这项测试显示每个风扇强度的图标元素的亮度均匀性在20%之内。 图六：使用选择工具创建了一个线型轮廓图。左图虚线画在绿色高亮元素上，相应的亮度—像素轮廓线在左图红线示出。   6：创建高亮区域 图像高亮显示示意图可即时反馈出面板哪些区域客户亮度要求的合格，不合格。 在本例中，一个单独的通过/不通过方案（图七）应用于所有的子系AOIs，这些子系AOIs是之前通过筛选创建的。           图七：高亮显示方案列在Highlights窗口 这个高亮方案使用如图八所示的Highlight Scheme Editor创建的。编辑对话框包括一个直方图分布，很适合测试当前选定了多少像素，或者多少分区，这些都可被潜在的绝对亮度阈值设置影响。编辑器还可允许创建高亮规则或者函数，如AOI Highlight Rule 编辑器所示。 在本例中，建立了两套规则。每个表示在AOI中的像素点的通过或者不通过情况，将以高亮标识显示。通过/不通过情况可通过布尔运算用于复杂的亮度矩阵中，如AOI Highlight Rule编辑器所示。通过的将以绿色标识，不通过将以红色标识。 图八：创建一个像素高亮规则，通过的像素将以复杂的布尔运算去评估。   这种突出重点区域的应用在整个子系AOI中已经在图一中显示出来。   7：创建一个评估表，将包括整体面板的通过/不通过评价。 AOI表格是一个能计算基于亮度指标的优秀的资源表，它可用于多个感兴趣区域。   评价表将影响AOI表格获得一个总体的评价或者测试的结论。评价表通常都是总结与统计。在本例中有七个评价（图九），将回答以下问题： ▪对于”CentralDisplay”类型AOIs，有多少通过LPU/Uniformity要求？ ▪对于”CentralDisplay”类型AOIs，有多少没通过LPU/Uniformity要求？ ▪鉴于LPU/Uniformity通过的百分比必须大于80%，面板基于“CentralDisplay”类型的AOI是否通过？ ▪对于“PerimeterObjects”类型AOIs，有多少通过LPU/Uniformity要求？ ▪对于“PerimeterObjects”类型AOIs，有多少没通过LPU/Uniformity要求？ ▪鉴于LPU/Uniformity通过的百分比必须大于80%，面板基于“PerimeterDisplay”类型的AOI是否通过？ ▪最终，给出两种类型AOIs它们通过的要求，是否整个面板都通过测试？ 图九：七种评价指标被建立，然后综合各项判定面板是否通过测试。   8:创建一个报告，它包含质量控制的详细测试与评价 任何类型的测试设备都是以质量保证作为最终目的的。Photometrica®允许客户创建客制化的基于测试设备分析亮度元素的报告。 一份单一的质量保证报告列在报告窗口（图十），是为本例建立的。 图十：创建七个指标，然后结合各因素决定面板测试是否通过。   通过报告编辑器（图十一），多个文档项目可被添加到报告里。项目如下： ▪添加文本与公司logos； ▪放置测试与轮廓数据线图片； ▪制成独特的AOI，总述，与通过/不通过的统计数据与结论。 图十一：报告表格概括 总结： 通过photometrica®，收集空调面板的亮度测试并且分析了特性，提出通过/不通过条件。 只需一次建立，即可进行光度的采集与测试并可开展数据分析。因此，测试可以灵活用于类似空调控制面板的其他设备面板检测中。 测试可实现自动化，因为一旦一个新的测试搜集起来，其他所有分析组件（筛选、AOI、评价表，高亮显示等）都可因新的测试数据进行更新。   广州固润