Digital Aid | 數位補給站 | 阿奇的家

▲上半部及下半部差異其實頗明顯，點擊看大圖就知道

▲筆者裁切100%給各位看看，去雜訊前後的差異應該有夠大了吧?

前言

雖然感光元件不斷的進步，但在弱光，需要使用高感光度時的雜訊表現仍還仍有進步空間，全片幅相機的表現當然相對的不用擔心，但對於一般使用者使用微單眼、小相機，甚至是手機，在感光度 ISO 800、1600以上時的表現仍屬差強人意，一般的單張圖片去雜訊處理軟體，如：PhotoShop、Lightroom、Noiseware、Neat Image、Noise Ninja等，也較過往越來越強悍，但終歸有極限，而且處理太強時亦會令照片細節大幅下降，本篇文章中我們先不討論這類情況的處理及應用，待筆者未來有空再說。

筆者近幾年最喜歡使用去雜訊方式，主要是透過多圖片的運算而成，這亦和坊間目前越來越多相機有的「手時夜景連拍」之類的功能，其實是原理上類似的概念。

用多圖去雜訊的原理？

常見的雜訊分為三種，分別是低感光度長時間曝光的熱燥點，高光度時的隨機雜訊以及線性的條紋狀雜訊。

第一種情況我們比較會習慣稱其為「熱燥點」，可能是感光元件的壞點，又或者是因為過熱/干擾而暫時形成的固定雜訊；第二種情況是我們現在主要要討論的情況，在高感光度上拍攝的照片你看到的雜訊其實是隨機分佈的，即是你在同一個環境下連拍數張照片，雜訊的分佈是不一樣的；第三種情況和相機從感光元件讀取訊息時最有相關，通常在高感光度有機會建到條紋狀的雜訊，和廠牌、型號有直接相關性。

一般最常見最常被討論就是高感光度的雜訊，由上可以這些雜訊其實是隨機分佈的，不相信？看看以下這組圖片：

▲這組圖片均在相同場景、時間，使用相同的參數連續拍攝五張照片及100%裁切，可以見到每張照片的雜訊出現形式各有點差異

我們知道雜訊是隨機的了，所以？

所以就可以用這個原理來做去雜訊了！理論上，照片是由點組成，一個點的訊號應該會是相對穩定的電子訊號，雜訊是隨機產生，如果在同一環境拍攝5張或更多張的照片時，在同一個「點」上，全部都是雜訊的可能性不高，所以可以透過數學的「中位數」對整張照片的每個點作運算，就有機會得到無雜訊或雜訊較低的照片。

我們再簡化一下，假設雜訊是 1 ，正常是 0 ，在同一位置拍攝 7 張照片時可能會出現 [0 1 0 0 1 0 0] ，重新排列順序後就是 [0 0 0 0 0 1 1]，這時取中位數是多少？就是 0 的那一訊息，在運算完整組照片後，你可以見到如同奇跡般的去雜訊，就像剛剛的五張照片運算後：

▲左邊是某一張照片的裁切，右邊是把5張運算之後的結果，去雜訊表現驚人，同時在細節有意想不到的還原！

現有方法

1. 相機的手持夜景連拍之類的功能 (因相機而定，而且效果不一定優)

2. PhotoShop CS3 Extendend或更新版本 (商業軟體，很貴)

3. GIMP中的G'MIC中的套件 (免費，有點慢)

4. Photoacute (商業軟體)

5. Hugin + ImageMagicK (免費，打指令)

這種多圖去雜訊的方式其實行之有年，筆者已知能處理的軟體或方式如上所列，過去筆者多用PhotoShop作這類運算，雖然步驟不算太麻煩，但要處理的照片組數一多也是一件很麻煩的事。近來重新搜尋後，發現Hugin、ImageMagicK這兩套Open source的免費軟體可以相互結合一樣有類似的運算效果，只是因為要打指令，又不能批次使用等等，應用上較麻煩。所以筆者心血來潮，為他們寫了個前導程式簡化操作，不用打指令，以及多了批次處理等功能。