Dit kamera tager billeder med potentialet på over 4000 toner mellem sort og hvid (hvis de er optaget i gråtoner) eller 4000 farvetoner i RGB. Men når billedet er taget, er kameraets job afsluttet. Så begynder det virkelige arbejde.
Skyggerne fra tidlig morgenbelysning fik detaljerne i denne JPEG.webp-fil til at begrave alle de vigtige skyggedetaljer i mørket.
Fordelingen af disse toner er dit ansvar. Hver af disse 4000 tonniveauer er som fotografisk valuta. Efterlad aldrig penge på bordet. Brug dem alle til god brug. Her er hvor histogrammet kommer ind.
RAW-filen af det samme skud havde masser af high-bit rækkevidde til at skubbe rundt og justere, hvilket fik min ven til at virke som om han var i ideel belysning.
Men inden du kan forstå histogrammet, skal du forstå, hvordan billedsensoren i dit kamera ser lys. Billedsensorer er lineære i den måde, de fanger lys på. I modsætning til det menneskelige øje registrerer kameraets billedsensor lys efter volumen; det lyseste lys, der rammer sensoren, fylder først sensorens lysspand og optager over halvdelen af det tilgængelige register.
Dette giver måske matematisk mening, men det er her, problemet starter. Dit øje er ikke et matematisk instrument, og det kvantificerer ikke lys på samme måde som et digitalt kameras billedsensor gør.
Distribution af kameratone
Hvis du ser på, hvordan kamerasensorer registrerer lys, vil du se, at nøjagtigt halvdelen af den information, der er optaget af billedsensoren (2048 af 4096-registre), hører til det lyseste af de seks stop af lys, der fanges. Det næste lyseste stop registrerer halvdelen af de resterende oplysninger (1024 registre) og så videre.
På det tidspunkt, hvor det mørkeste stop er optaget, er kun 64 af 4096 lysregistre tilbage til at registrere alle skyggedetaljerne. Da mennesker ganske naturligt genkender detaljer i selv de dybeste skygger, bemærker vi instinktivt manglende detaljer i disse områder. Over 25% af billedet ser potentielt meget mørkt ud og mangler detaljer.
Mærkeligt betegnes denne skæve metode til at fange lys som lineær, idet hvert efterfølgende stop registrerer halvdelen af de resterende toner på billedet. Dette er ikke logisk lineært for det menneskelige øje! Hvis den faktiske balance mellem menneskelig lysgenkendelse blev udtrykt som gamma, ville den blive målt til noget mere som 1,7 og 2,5 afhængigt af lysforholdene.
Dit øje har en næsten uendelig tilpasningsevne til at registrere lys og er simpelthen mere tilpasset til at genkende detaljer i svagt lys end dit kamera.
Lad mig gentage det - dine øjne er designet til at se flere detaljer i de mørkere områder end i de ekstremt lyse områder. Dette er helt bagud fra den måde, digitale kameraer optager lys på. Denne forskel udgør derefter ingeniører en betydelig udfordring; hvordan man transponerer et lineært indeks i et ikke-lineært eller menneskeligt system.
Fordi dette billede blev skudt mod himlen på en meget overskyet dag, mistede de mørkere toner alle detaljer. Men fordi billedet blev taget og gemt i kameraets RAW-format, gav 16-bit farveområdet mig muligheden for at justere mange individuelle indstillinger ved at genskabe scenen, som mine øjne huskede det (ovenfor).
Ud af de 4096 toner, der fanges, er der kun få værdifulde tilbage til at registrere kritiske forskelle i de mørkeste dele af et billede. De mørkere toner (da de reflekterer mindre lys for billedsensoren at bruge) er klemt sammen i en meget lille del af det optagede toneområde.
Resultatet er, at de trekvart toner, dem der findes mellem sorte og trekvart toner, næsten altid ser meget mørke ud og mangler toneadskillelse. Derfor vil billeder, der ikke er justeret (i efterproduktion) til at vise low-end tonalitet, altid udskrive mørke i trekvarttonerne. Lad mig sige det igen - altid. En ikke-lineær tonetilpasning er obligatorisk, hvis dit billede skal udskrives korrekt.
Den sene eftermiddagssol fra Longboat Key i Sarasota gav ideel varm belysning, så jeg kunne bruge det originale JPEG.webp-format med meget få justeringer.
Undtagelsen fra denne erklæring sker, når dit billede er taget i et kontrolleret lysmiljø (som et fotostudie), hvor lys og reflekser kan placeres strategisk for at belyse skyggeområder, eller når motivet er ideelt placeret i udendørsbelysning. Når omhyggeligt arrangeret belysning er mulig, er der muligvis behov for lidt efterproduktionstjenester. Men meget få af disse ideelle lysscenarier findes sandsynligvis under din daglige optagelse.
JPEG.webp-tonefordeling
Under denne kontrollerede belysning kan JPEG.webp'er producere spektakulære resultater, simpelthen fordi tonefordelingsalgoritmen er designet til ideelle lysforhold. I mangel af ideel belysning anvender denne algoritme den samme stock tonale form på hvert billede, forudsat at belysningen er perfekt.
Resultatet af ufuldkommen (lys, mørk eller ubalanceret) belysning og en JPEG.webp-optagelse er et ubalanceret billede, der kun indeholder en brøkdel af redigeringsområdet for den samme scene, der er taget som et RAW-billede. Redigering af "albuerum" for en JPEG.webp er stærkt begrænset i farve- og tonefordeling.
Højdepunkterne fanget af dette JPEG.webp-billede var for blæst ud til at komme sig.
De samme højdepunkter fanget og redigeret i RAW-format tillod mig at udtrække alle detaljer i højdepunkterne, mens jeg også bevarede alle detaljerne i skyggen.
Her er hvor tonefordelingsovervågningen fra histogrammet kan bruges til at styre redigeringsprocessen, selv fra JPEG.webp-billeder. Det er faktisk en god idé at betragte histogrammet som et tonekort. Histogrammet afslører forholdet mellem toner i billedet i de lysere eller mørkere dele af billedet.
Et ord om bitdybde
Uden at komme ind i en lang detaljeret diskussion er det altid tilrådeligt at tage både RAW- og JPEG.webp-billeder af hver scene. Dette er en simpel indstilling på dit kamera, der absolut ikke kræver nogen ekstra indsats fra din side, men giver et meget dybere niveau af toner til at skubbe rundt og omarrangere.
Denne anbefaling følger simpel logik; RAW-billeder giver mere fleksibilitet til at justere hele spektret af toner, mens JPEG.webp-billeder er præfabrikerede en-størrelse-passer-til-alle-fortolkninger af en scene. RAW-billeder er som filmbaserede farvenegativer, mens JPEG.webp-billeder er som Polaroids. Negativer (RAW-filer) kan justeres frit, Polaroids (JPEG.webp'er) er meget begrænsede.
RAW-tonefordeling: Phoenix-scenariet
I græsk mytologi er Phoenix en langlivet fugl, der cyklisk regenereres eller genfødes fra tilsyneladende glemsel. Brugt i denne forstand kan enhver digital billedoptagelse, der tilsyneladende er "død" af alt udseende, få liv ånde ind i den ved hjælp af kraftfuld billedredigeringssoftware.
Sådan er tilfældet med dette billede taget under en overskyet dag i Kailua Hawaii. Absolut ingen detaljer kan ses i dette JPEG.webp-billede; alt ser håbløst ud. En afvisning, ikke? Ikke så hurtigt, hurtigt tegne!
Vi er her for at rejse de døde, husker du? Selvom intet kan erstatte den korrekte eksponering, skal du ikke smide håndklædet ind på et billede, der ser for mørkt ud, før du har prøvet denne magiske samling af toneværktøjer.
Uden den ekstraordinære båndbredde, der leveres af 16-bit RAW-filformat, ville dette niveau af gendannelse være umuligt.
Billedet var alvorligt undereksponeret og syntes at være håbløst mørkt. Men da den blev åbnet i både Camera Raw- og Lightroom-softwarepakker, og de samme justeringer blev anvendt, blev der opnået identiske resultater.
Uanset om billedet er taget i jpeg.webp-, tiff- eller råformat, kan det åbnes i en af Adobes rå tolkepakker, Adobe Camera Raw eller Lightroom. Inden for en af disse pakker findes både chrominans- og luminanskontrol, der giver dig mulighed for at omarrangere toner og forme billeder udførligt.
For at åbne en tiff- eller jpeg.webp-fil i Camera Raw, skal du først finde filen i Adobe Bridge, højreklikke på filen og vælge "Åbn i Camera Raw …" Du kan åbne disse filer i Lightroom enten internt eller ved at trække filen på LR-ikonet i docken.
Camera Raw kontrolpanel (venstre) og Lightroom kontrolpanel (højre). Tophistogrammer hører til originalen, mens bunden viser det justerede billede. Begge softwarepakker tilbyder næsten identiske værktøjer til at forme og rekonstruere billedet.
At genkende forskellene mellem den måde, hvorpå dine øjne og dit kamera ser lys, giver dig et forspring med at justere kamerabilleder, så de ligner udseendet og fornemmelsen af den originale scene.