Topaz 人工智能软件系列另一款很有实用性的是它的人工智能锐化软件:Topaz Sharpen AI。对于我们摄影师来说,它的实用优势其实不在于锐化图片,清晰度够的图像锐化是相对简单的,用Photoshop已经可以达到很好的效果。它的优势体现在把本来清晰度不够——即我们称为“糊片” 的片子,用人工智能插值推算的方法来重组像素,有效提高清晰度。

我们平时遇到的清晰度问题无外乎两种:1.对焦准确但快门速度低时,相机晃动造成的动感模糊。2.对焦不准,或景深不够时的焦平面以外的出焦模糊。我们下边就从这两个方面来测试一下:
这是我在上星期在安省拍潜鸟时,拍到的河狸游过我们的船边;说实话这个场景没有太多可拍的,我们在船上与它平行而动无法选择机位,它也没有做别的事。对于这个相对平庸的场景,我唯一想到的创作变化是用慢门“盘拍(Panning Shot) ”,即尽量和主体的运动方向同步稳定,慢门能够把主体拍清楚,但是湖面上的草叶就变成了动感线条。拍过慢门盘拍的摄友都知道,这样的片子成功率很低,大多数的片子会“煳”。出片靠高速连拍,以“数量带质量”,拍个几百张总有几张清晰的,这是一组连拍里的三张(三张的拍摄数据相同):
放大到河狸头部细节:第一张较为模糊,第二张模糊程度低,第三张的清晰度正好无需处理。我们下面用Topaz Sharpen AI 来处理前两张,看看这个软件对于动感模糊的处理能力。
我们来看看模糊程度比较低的第二张原片:
在ACR里我做了如下调整:
1. 整个片子高光太亮,我把曝光降低。
2. 减对比度来保持暗部的细节。
3. 减高光来进一步保持住亮部细节。
4. 提亮阴影,把河狸耳朵里暗部的细节暴露出来。
5. 强化了一点纹理来让像素边缘清晰一点。
6. 锐化和降噪降到零,最大化地让所有纹理信号保持住,让人工智能的计算能力发挥到最大。

然后我们打开RAW片进入Photoshop,打开“滤镜”里的Topaz软件里的Sharpen AI:

先来介绍一下这个操作界面:
这里面最重要的是第2个“选择模型”功能. 它有三个计算模型:锐化(默认)/稳定/对焦。 “锐化”无需多说,“稳定”模型是主要用于矫正动感模糊,“对焦”模型主要是矫正跑焦的图像。4.5.6三个功能是在调整模式选择在“手动”时做调整的,注意用“手动”模式时人工智能没有打开,只有在“自动”时才会打开全部人工智能功能。

为了进行人工智能能力的测评,本文所有的调整模式我们都是选择“自动”。

我们现在把这张图片的计算模型调为“稳定”,调整模式调为“自动”,生成图像。随后我们再把做过1次处理的片子复制,再做一次同样的调整。然后把这个处理过2次的片子复制,再连续做两次同样处理。把处理1次、处理2次,和处理4次的片子放大到100%进行比较:
我们可以看到,处理1次的片子清晰度还不太够,处理2次的片子眼睛及周围的毛皮细节很好(绿色箭头),但是眼睛前面的鼻部纹理细节弱(红色箭头);处理4次的片子眼睛及周围毛皮细节过锐,但是鼻部纹理细节则很合适。1次处理的鼻子前面的虚影很明显,而四次处理后的边缘清晰无虚影。
在Photoshop这样的传统图像调节软件里,我们解救这样片子的方法是在细节局部做USM锐化,用增加像素边缘的锐度及对比度的方法来适当的提高每个像素的清晰度;但是没有人工智能插值锐化处理,并不能根本解决模糊的问题。人工智能在分析这样有些模糊,但是纹理仍然可识别的图像的作用是最大的,它能根据动态模糊的线性移动方向,来重新安排像素位置和像素的清晰度。我们把1次处理和2次处理的两张片子的眼睛部分放大到600%,然后在同一个地方精确选择河狸眼睑的宽度,用一个像素红色描边:
我们再把这个局部放大到3200%,可以看到像素,我们可以看到处理1次的图像的选区是5个像素,而且像素之间的对比度较弱,局部纹理灰暗。而处理2次的的片子则只有4个像素,且像素之间的对比度明显提高了。也就是说:在进一步防抖锐化的过程中,人工智能的算法重新安排了像素的位置
我们把这两张片子叠加,完全对其(画面的边长像素数量并没有产生变化),然后我们把上面2次锐化的图像的不透明度设置为50%,我们可以看到进一步的提高清晰度的过程中,人工智能按照动态模糊的移动方向(从右向左)重新识别定义了边界,并向左重新安排了像素,让这个部分的边界纹理沿运动方向进行了插值位移,这样的调节能力与传统修图软件相比是革命性的:

就这张片子来说,还有一个细节可以看出人工智能算法的采样识别的能力——我们再把图像放大一倍,在锐化1次的片子里河狸鼻孔前面的虚影,被人工智能准确识别出是一根毛发(蓝色)。这个推定逻辑的基础是人工智能对数以十亿、百亿计的图库纹理产生逻辑分析来确定的算法得出的结论
我们现在根据三个版本的纹理情况在Photoshop里用蒙版做局部选择,叠加这三张片子。把处理2次的片子的眼睛和周围的纹理部分和水纹,与处理4次的片子的眼睛到鼻尖的部分,背景则用处理1次的片子的部分(因为我们并不需要背景的纹理清晰),叠加到一起:
我们把叠加好的片子与未处理的原片做一个比较:
前后清晰度的对比结果是惊人的。这不仅仅是对于现存像素的锐化和清晰度的强化,而是通过人工智能采样和对运动方向的推演,插值计算重新安排像素的结果。
我们用同样的方法处理模糊程度更大的第一张片子,经过两次锐化以后我们得到的片子是这样的:
这张片子是没法用的。这说明到目前为止,人工智能对于模糊的插值矫正的能力还是有限的。模糊程度太大的图像仍然无法完全修补。

我们再来看一下 Topaz Sharpen AI 对于对焦不准,或景深不够时的焦平面以外的出焦模糊的矫正:
这张片子的光圈是F5.6, 距离约7米,对焦点在大鸟头上,我们放大看一下:
小鸟的纹理虚了。我们现在用Topaz Sharpen AI 来做一下对焦锐化,我们在选择模型里选择“对焦”,调整模式选“自动”:
然后我们放大看一下细节:
我们看到:小鸟的鸟眼清晰度有了一定的提高(1)但是还是没有达到大鸟的锐度,身上的细绒毛部分(2)则由于原图里的纹理弱,而清晰度的提高程度很有限。使得鸟眼局部的锐度增加看上去不太自然;我们把这张处理过一次的片子再做一次对焦锐化处理,然后做一个比较:
在第2次锐化后,小鸟头部周围以及背景出现了许多类似噪点的奇怪的颗粒状像素,这个画质是不可用的。这个表现很像Photoshop过度锐化产生随机噪点。这可能与人工智能插值补偿的采样原理有关;动感模糊主体还是在焦平面上,即使糊了但是像素边缘的清晰度在采样时仍然可以提供更好的计算基础;而焦外模糊的像素边缘也模糊,采样时无法获得边缘清晰的像素样本,只能通过推算插入像素,就会发生偏差。所以对于焦外模糊的片子,我不建议做一次以上的对焦锐化处理,可以尝试再结合Photoshop里的USM锐化来进一步提高图像清晰度。

通过这些片子的对比,我们可以对Topaz Sharpen AI这款人工智能锐化软件得出三个结论:
1. 人工智能锐化软件对于动感模糊的纠正能力强于对对焦模糊的纠正能力。
2. 动感模糊本身的模糊程度越低,修改后的片子的锐度越好。
3. 越接近焦平面的像素,人工智能采样的准确性越高,修补后的图片的清晰度就越好。

对于野生动物摄影师来说,这个软件最实用的场景(如我们第一个例子显示的结果)是盘拍,就是慢门追拍运动物体,要求主体清晰,背景模糊的片子。

人工智能在修图软件里的应用现在还在刚刚起步的阶段,还存在很多的不足,但是可以预见的不远的将来它能够达到的图像侦测、识别和像素插值重组的能力会远远超过我们的想象。


杰夫 识于多伦多
2020. 07




作者介绍: 杰夫
---尼康世界摄影大赛”Nikon Photo Contest"评委
---世界最佳自然摄影比赛“Nature's Best Photography Competition” 非洲区评委
---加拿大摄影艺术协会持证裁判
---2015,2017多伦多国际摄影节裁判委员会主席
---《野性之美—野生动物摄影手记》作者

--- 加拿大专业摄影师协会PPOC(Professional Photographers Of Canada)认证的职业野生动物与自然风光摄影师
---英国索伦特,水星,卡特斯三家新闻图片社签约摄影师
---肯尼亚Game Watcher Safaris 常驻摄影师
---肯尼亚Lentorre Lodge 常驻摄影师


---中国鸟网国际推广总监
---加拿大加华杰作摄影协会主席
---上海锋锐影像文化传播公司首席策展人兼艺术总监