Vaš fotoaparat snima slike s potencijalom od preko 4000 tonova između crne i bijele (ako su snimljene u sivim tonovima) ili 4000 nijansi boje u RGB-u. No, nakon što slika bude snimljena, posao fotoaparata je gotov. Tada započinje pravi posao.
Sjene ranojutarnjeg osvjetljenja uzrokovale su da detalji u ovoj JPEG.webp datoteci pokapaju sve važne detalje sjene u mraku.
Distribucija ovih tonova je vaša odgovornost. Svaka od ovih 4000 razina tona slična je fotografskoj valuti. Nikada ne ostavljajte novac na stolu. Sve ih dobro iskoristite. Evo gdje dolazi histogram.
RAW datoteka tog istog snimka imala je puno dometa visokih bitova za guranje i prilagođavanje, čineći da se moj prijatelj čini kao da je u idealnom osvjetljenju.
No, prije nego što shvatite histogram, morate shvatiti kako senzor slike u vašem fotoaparatu vidi svjetlost. Slikovni senzori su linearni na način na koji hvataju svjetlost. Za razliku od ljudskog oka, senzor slike fotoaparata registrira svjetlost po jačini zvuka; najsjajnije svjetlo koje pogađa senzor prvo ispunjava kantu svjetla tog senzora, zauzimajući više od polovice dostupnog registra.
Ovo može imati matematički smisao, ali tu problem započinje. Vaše oko nije matematički instrument i ne kvantificira svjetlost na isti način kao što to čini senzor slike digitalne kamere.
Distribucija tona kamere
Ako pogledate način na koji senzori kamere registriraju svjetlost, vidjet ćete da točno polovica podataka zabilježenih senzorom slike (2048 od 4096 registara) pripada najsvjetlijoj od šest zaustavljenih svjetlosti. Sljedeća najsvjetlija stanica bilježi polovicu preostalih podataka (1024 registra) i tako dalje.
Do trenutka snimanja najtamnijeg zaustavljanja, preostalo je samo 64 od 4096 registara svjetlosti za bilježenje svih detalja sjene. Budući da ljudi sasvim prirodno prepoznaju detalje i u najdubljim sjenama, instinktivno primjećujemo nedostatak detalja u tim područjima. Preko 25% slike potencijalno djeluje vrlo tamno i nedostaje joj detalja.
Čudno je da se ova jednostrana metoda hvatanja svjetlosti naziva linearnom jer svaka uzastopna zaustavljanja bilježi polovicu preostalih tonova na fotografiji. To nije logično linearno za ljudsko oko! Kad bi se stvarna ravnoteža prepoznavanja ljudskog svjetla izrazila kao Gama, mjerilo bi se na nešto više poput 1,7 i 2,5, ovisno o uvjetima osvjetljenja.
Vaše oko ima gotovo beskonačno prilagodljiv kapacitet registriranja svjetlosti i jednostavno je prilagođenije prepoznavanju detalja pri slabom osvjetljenju od vašeg fotoaparata.
Ponovit ću to - vaše su oči dizajnirane da vide više detalja u tamnijim područjima nego u izuzetno svijetlim područjima. To je potpuno zaostalo od načina na koji digitalni fotoaparati bilježe svjetlost. Ta razlika onda predstavlja inženjerima značajan izazov; kako transponirati linearni indeks u nelinearan ili ljudski sustav.
Budući da je ova slika snimljena prema nebu vrlo oblačnog dana, tamniji tonovi izgubili su sve detalje. No budući da je slika snimljena i spremljena u RAW formatu fotoaparata, 16-bitni prostor boja dao mi je mogućnost prilagodbe mnogih pojedinačnih postavki, ponovno snimajući scenu onako kako su je moje oči pamtile (gore).
Od 4096 snimljenih tonova preostalo je malo dragocjenih da zabilježe kritične razlike u najtamnijim dijelovima slike. Tamniji tonovi (budući da odražavaju manje svjetlosti za korištenje senzora slike) ugurani su u vrlo mali dio snimljenog tonskog raspona.
Rezultat je da se tročetvrtinski tonovi, oni koji se nalaze između crnih i tročetvrtinskih tonova, gotovo uvijek čine vrlo mračnima i nedostaju im razdvajanje tonova. Stoga će slike koje nisu prilagođene (u postprodukciji) za prikaz nižeg tonaliteta uvijek ispisivati tamno u tri četvrtine tonova. Da ponovim to - uvijek. Nelinearno podešavanje tona obavezno je ako se vaša slika pravilno ispisuje.
Kasno popodnevno sunce kod Longboat Key-a u Sarasoti pružalo je idealno toplo osvjetljenje, omogućujući mi upotrebu izvornog JPEG.webp formata s vrlo malo podešavanja.
Iznimka od ove izjave događa se kad je vaša slika snimljena u kontroliranom svjetlosnom okruženju (poput foto studija) gdje se svjetla i reflektori mogu strateški postaviti za osvjetljenje područja sjene ili kada je objekt idealno smješten u vanjskoj rasvjeti. Kad je moguće pažljivo uređeno osvjetljenje, možda će biti potrebno malo postprodukcijskih usluga. No vrlo malo tih idealnih scenarija osvjetljenja vjerojatno postoji tijekom vašeg svakodnevnog snimanja.
JPEG.webp distribucija tonova
Pod ovom kontroliranom rasvjetom JPEG.webp-ovi mogu donijeti spektakularne rezultate jednostavno zato što je algoritam raspodjele tonova dizajniran za idealne uvjete osvjetljenja. U nedostatku idealne rasvjete, ovaj algoritam primjenjuje isti tonski oblik na svaku sliku pretpostavljajući da je osvjetljenje savršeno.
Rezultat nesavršenog (svijetlog, tamnog ili neuravnoteženog) osvjetljenja i JPEG.webp snimanja je neuravnotežena slika koja sadrži samo djelić raspona uređivanja iste scene snimljene kao RAW slika. Uređivanje "lakatne sobe" JPEG.webp-a ozbiljno je ograničeno u distribuciji boja i tonova.
Istaknute fotografije snimljene ovom JPEG.webp slikom previše su ispuhane da bi se mogle oporaviti.
Isti naglasci snimljeni i uređeni u RAW formatu omogućili su mi izdvajanje svih detalja u istaknutim dijelovima, a zadržao sam i sve detalje u sjeni.
Evo gdje se nadzor distribucije tona koji pruža histogram može koristiti za usmjeravanje postupka uređivanja, čak i na JPEG.webp slikama. Zapravo je dobru ideju histogram smatrati tonskom mapom. Histogram će otkriti omjer tonova na slici koji borave u svjetlijim ili tamnijim dijelovima slike.
Riječ o dubini bita
Bez upuštanja u dugu detaljnu raspravu, uvijek je poželjno snimati i RAW i JPEG.webp slike svake scene. Ovo je jednostavna postavka na vašem fotoaparatu koja ne zahtijeva apsolutno nikakav dodatni napor s vaše strane, ali pruža puno dublju razinu tonova za guranje i preuređivanje.
Ova preporuka slijedi jednostavnu logiku; RAW slike pružaju veću fleksibilnost za podešavanje čitavog raspona tonova, dok su JPEG.webp slike gotove jednoobrazne interpretacije scene. RAW slike su poput negativa u boji na temelju filma, dok su JPEG.webp slike poput polaroida. Negativi (RAW datoteke) mogu se slobodno prilagoditi, polaroidi (JPEG.webp) su vrlo ograničeni.
Raspodjela sirovih tonova: Scenarij iz Phoenixa
U grčkoj mitologiji Feniks je dugovječna ptica koja se ciklički obnavlja ili ponovno rađa iz prividnog zaborava. U tom se smislu koristi bilo kojem digitalnom snimanju slike koje je naizgled "mrtvo", snažni softver za uređivanje slika može mu udahnuti život.
Takav je slučaj s ovom fotografijom snimljenom tijekom oblačnog dana na Kailua Hawaii. Na ovoj JPEG.webp slici ne može se vidjeti apsolutno nikakav detalj; sve se čini beznadno. Odbijanje, zar ne? Ne tako brzo, brzo izvlačenje!
Ovdje smo da uskrisujemo mrtve, sjećate se? Iako ništa ne može zamijeniti ispravnu ekspoziciju, nemojte baciti ručnik na sliku koja izgleda pretamno dok ne isprobate ovu čarobnu kolekciju tonskih alata.
Bez izvanredne propusnosti koju pruža 16-bitni format datoteke RAW, ova razina oporavka bila bi nemoguća.
Slika je bila ozbiljno nedovoljno eksponirana i činilo se da je beznadno mračna. No, kada je otvoren u softverskim paketima Camera Raw i Lightroom, a primijenjene su iste prilagodbe, postignuti su identični rezultati.
Bez obzira je li slika snimljena u jpeg.webp, tiff ili sirovom formatu, može se otvoriti u bilo kojem od Adobeovih neobrađenih paketa tumača, Adobe Camera Raw ili Lightroom. Unutar bilo kojeg od ovih paketa nalaze se i kontrole svjetlosti i svjetline koje vam omogućuju intenzivno preslagivanje tonova i oblikovanje slika.
Da biste otvorili tiff ili jpeg.webp datoteku u Camera Rawu, prvo je morate pronaći u Adobe Bridgeu, desnim klikom miša kliknite datoteku i odaberite „Otvori u Camera Rawu …“ Te datoteke možete otvoriti u Lightroomu interno ili povlačenjem datoteke na ikonu LR na doku.
Upravljačka ploča Camera Raw (lijevo) i Lightroom upravljačka ploča (desno). Gornji histogrami pripadaju originalu, a donji prikazuje prilagođenu sliku. Oba softverska paketa nude gotovo identične alate za oblikovanje i rekonstrukciju slike.
Prepoznavanjem razlika između načina na koji vaše oči i fotoaparat vide svjetlost omogućit ćete vam početak prilagodbe slika s fotoaparata kako bi sličnije izgledale i izgledale izvornom prizoru.