بازگشت
جستجو
بازگشت به لیست مقالات

الگوریتم 3A در دوربین چیست؟

الگوریتم 3A در دوربین چیست؟

 

الگوریتم 3A اشاره به سه فرآیند Auto Focus یا فُکِس خودکار، Auto Exposure یا آشکارسازی خودکار و Auto White Balance یا متوازن کردن خودکار رنگ سفید، دارد. در واقع زمانی که قید می شود که یک دستگاه، از الگوریتم 3A استفاده می کند، نشان از به کار رفتن این سه فرایند در سیستم دستگاه دارد. در ادامه به بررسی مختصر این فرایند خواهیم پرداخت.

Auto Focus

این کارکرد و فرایند در دوربین، شی اصلی مورد نظر تصویربردار را شناسایی می کند و اولویت وضوح و به اصطلاح تیز بودن ( متمایز بودن) را به آن شی اختصاص می دهد. سنسور های دوربین، تشخیص می دهند که آن شی چه فاصله ای از دوربین دارد و این اطلاعات به لنز انتقال یافته و توسط یک موتور الکتریکی، فاصله کانونی لنز تنظیم خواهد شد. اکثر دوربین های Point and Shoot، تنها دارای Auto focus هستند، اما تمامی دوربین های DSLR و دوربین های بدون آینه، دارای تنظیمات غیر فعال کردن Auto Focus هستند.

الگوریتم معمول برای انجام فرایند Auto Focus، که با هدف دریافت بیشترین کنتراست در یک ناحیه مورد نظر انجام می گیرد، به شرح زیر است:

 

 

1- مقدار کنتراست در ناحیه فُکِس اندازه گیری می شود auto focus step 1

 

2- تغییرات کوچکی در مکان لنز انجام می گیرد Auto Focus Step 2

 

3- مقدار کنتراست دوباره اندازه گیری می شود و تغییرات و چگونگی تغییرات آن، محاسبه می شود Auto Focus Step 3

 

4- از اطلاعات بدست آمده در مرحله قبل، محل جدید لنز انتخاب شده، به آن انتقال یافته و لنز جابجا می شود. Auto Focus Step 4

 

* این فرایند تا زمانی که به یک فُکِس مطلوب دست یافته شود، ادامه خواهد داشت.

دوربین های امروزی دارای سنسور ها و الگوریتم های فکس خودکار بسیار پیچیده و اختصاصی هستند که صحنه مورد نظر را تجزیه و تحلیل کرده و پیش بینی می کنند که شما سعی دارید روی چه نقطه ای  متمرکز شوید.

 

Auto Exposure

 Auto Exposure یک سیستم خودکار دوربین دیجیتالی است که دیافراگم را بسته به نور موجود در محیط، برای تصویربرداری تنظیم می کند. دوربین نور موجود در فریم را اندازه گیری کرده و تغییرات مورد نیاز در دوربین، برای یک روشنایی مناسب در تصویر را اعمال می کند.

برای یک تصویر، داشتن یک روشنایی مناسب از اهمیت بسیار بالایی برخوردار است و عدم اندازه گیری این شاخص توسط دوربین، می تواند منجر به Overexposed ( نور بیش از حد )، یا Underexposed ( نور بسیار کم) شدن تصویر شود. در یک تصویر Overexposed، امکان دارد به دلیل وجود نقاط سفید روشن در تصویر، برخی از جزئیات از دست برود. همچنین در یک تصویر Underexposed، صحنه بسیار تاریک تر از آن است که بتوان برخی جزئیات را از آن استخراج کرد.

اما برای حل این مساله، فرایند Auto Exposure، به این ترتیب عمل می کند که رنگ های موجود در پیکسل های مختلف تصویر را طبق یک الگو، به مقادیر 0 تا 255 ( بر اساس شدت روشنایی )، تقسیم بندی کرده، و تعداد پیکسل های موجود با اندازه  های مختلف را بدست می آورد. شکل زیر، توزیع ارزش های پیکسل های مختلف در یک تصویر است.

توزیع ارزش پیکسل ها 

 

پس از انجام این عمل، توسط عملگر ها و توابع خاص، این مقادیر به طریقی تغییر داده می شوند، که روشنایی کلی تصویر به ترتیبی تنظیم شود، تا شاهد یک تصویر مناسب، همراه با وضوح بالای جزئیات آن باشیم. در شکل های زیر، تصاویر مختلف، با توزیع ارزش های پیکسل های آن ها را مشاهده می کنید:

 تصویر Overexposed

 تصویر Overexposed

 

تصویر Underexposed

تصویر Underexposed

 

تصویری که به درستی Expose شده

تصویری که به درستی Expose شده است

 

 

Auto White Balance

شرایط روشنایی محیط در برگیرنده یک شئ، بر روی رنگ آن تاثیر می گذارد. مغز و چشمان ما، تاثیر انواع نور ها را جبران می کند و به همین دلیل است که زمانی که یک شئ سفید رنگ در معرض نور خورشید، لامپ رشته ای، نور فلوئورسنت یا آسمان ابری قرار دارد، باز هم به چشم ما سفید رنگ دیده می شود. اما دوربین های دیجیتالی، برای انجام این عملیات و نشان دادن رنگ واقعی اجسام، به کمک احتیاج دارند. تنظیمات white balance، این کمک را فراهم می کند. برای ایجاد این توازن، دو نوع راه متفاوت در دوربین های مختلف تعبیه شده است.

راه اول، استفاده از تنظیمات از پیش محاسبه شده است. به این ترتیب که در بخش تنظیمات White Balance دوربین، 6 حالت برای نورهای محیطی مختلف تعبیه شده که هرکدام، بسته به محیط تصویر برداری، تغییرات لازم در رنگ پیکسل های مختلف را اعمال می کنند.

راه دوم، استفاده از الگوریتم، برای تصحیح رنگ تصویر است. برای مثال یک الگوریتم مورد استفاده در این زمینه به این ترتیب است که فرض می کند که میانگین رنگ های مختلف در استاندارد RGB باید یکسان باشد. در صورت عدم برابری این سه مقدار، ضرایب، بسته به مقدار هرکدام از این سه عدد ( R و G و B ) تعیین شده و با اعمال تغییرات در رنگ پیکسل ها با مقداری متناسب با ضرایب بدست آمده، میانگین رنگ های قرمز، سبز و آبی در تصویر، یکسان می گردد.

در شکل های زیر، دو محیط مختلف تصویر برداری، که هرکدام با و بدون Auto white Balance هستند را مشاهده می کنید.

auto white balance 

auto white balance

 

برای انجام هر یک از تصحیح های خودکار ذکر شده طی این مقاله، الگوریتم های مختلفی وجود دارد که تعداد محدودی از آن ها را مورد بررسی قرار دادیم. امروزه کمپانی های مختلف برای تصحیح تصاویری که توسط محصولات آن ها ضبط می شوند، از الگوریتم های مختص خود استفاده می کنند که همواره نیز در حال پیشرفت و توسعه هستند.

نظرات
نظر بدهید بستن فرم ثبت نظر
banner
banner
banner
banner
banner
banner
banner
banner
banner
banner
banner
banner
banner
banner
banner
banner
banner
banner
banner
banner