|
回想大约十年前，当人们谈论相机和照片时，通常只会提到降噪处理和色彩倾向，而没有其他。而在2019年，当我们手握一台相机或手机时，无论你是否感觉得到，算法和人工智能技术都已经在自动对焦、取景画面、场景优化、画质优化等方面发挥着重要作用。比如，有些算法能让相机识别出动物的眼睛，有些算法能让手机拍出纯净的夜景，还有些算法能模拟大光圈镜头的虚化效果。 现在，我们不妨回顾这10年，看看计算摄影和人工智能技术是如何一步步融入我们的拍照设备，改变消费者觉得已经完善的摄影体验。再展望未来，看看决定未来拍照设备优劣的，是哪些核心要素。  胶片照片的本质是化学反应，而数码照片的本质是计算。 当你拿起一台相机或手机，拍下一张照片。通常情况下，你的相机并没有完全看清楚你要拍的画面，因为绝大多数传感器都是由红、绿和蓝三种马赛克传感器组成的——这就是像素。每个像素只“看”到一种颜色，而隔壁像素是什么样子，就只能依赖算法来“猜”出来。即使如适马X3这样模拟胶片的特殊结构传感器，在生成图像时为了均衡每一层获得的信息，也需要相机的影像处理器进行大量运算。 当然，如今数码相机的进步，这种“猜”已经变得近乎100%准确了。所以本文中所提及的算法，并不是指这种简单的为了解决还原成像的基础运算，而是指让一张数码照片变得更好的那些算法。这也是如今计算摄影的方向——通过各种算法，让人们摆脱硬件的限制，得到更好的、更富创意和美感的画面。  很多人觉得是手机催生了计算摄影，因为相比拥有大尺寸传感器的相机，手机先天的成像质量和玩法都比较可怜。但实际上第一个计算摄影平台是一部相机。在2010年，斯坦福大学的科研人员苦于没有用于研究计算摄影的工具，于是就自己造了一台“相机”——FrankenCamera（名字取自科学怪人弗兰肯斯坦）。它是一个能安装佳能镜头，侧面还有手柄和快门的相机。但这几个部件也是该相机上仅有的看上去像相机的部分，它其余的部分就像一个黑盒子，充斥电路板和各种接口，方便进行调试——这台相机使用Linux系统，可以进行编程操控。 随后，科研人员将基于FrankenCamera的系统移植到了一台诺基亚N900手机上，并让这台功能并不出色的手机实现了HDR取景与拍摄、增强动态范围的全景摄影、更纯净的弱光拍摄和多重曝光创意拍摄等功能。 这些功能之所以能实现，普遍是由于使用了多张拍摄照片，然后将各自最优部分计算合成的原理。简单说，这意味着获得一张高画质照片的方式，不再只有使用更大、更先进传感器这一条路，而是可以通过一次拍摄多张照片来获得。   斯坦福的科研团队后来被谷歌收编，奠定了谷歌在算法领域的领先地位。但正因为安卓阵营的开放性，导致最开始被人们熟知的算法手机并非来自谷歌。2014年，HTC发布了M8系列手机，首次搭载了双摄像头——其中主摄像头负责拍摄照片的亮度和色彩信息，另一颗摄像头负责采集深度信息并用于背景虚化模拟。只不过受限于当时的算法和体验都不够完善，HTC M8系列手机并没有引起很大波澜。 两年后，即2016年，双摄手机迎来了全面爆发。这一年华为推出了与徕卡联合打造的P9，凭借“彩色+黑白”的双摄组合大获成功。同年苹果公司也发布了首款变焦双摄手机iPhone 7 Plus。由此两家公司开启了双摄的两个不同方向，前者侧重夜景成像，而后者更侧重于人像虚化的模拟效果。自2016年开始，几乎所有旗舰级手机都搭载了两个或两个以上的摄像头，至2019年，三摄、四摄手机都已不鲜见。 谷歌公司也开始发力，在2016年推出了Pixel手机，虽然它只有一个摄像头，但却能凭借人工智能技术的加持，实现只有双摄手机才能获得的背景虚化模拟效果。  
在手机厂商拼命想摆脱“底大一级压死”的宿命时，相机厂商们的节奏要慢了许多，但也并非停滞不前。 2012年，Lytro光场相机诞生了，凭借独特的硬件设计与算法，光场相机实现了先拍照后对焦等独特功能。只可惜由于产品不够接地气，销量惨淡，最终在2018年公司关闭后部分员工被谷歌接收。 相比实验性质更强的光场相机，奥林巴斯于2011年推出的E-PL2上实现的眼部检测对焦更具实际意义。这一技术在2013年被索尼用于全画幅微单，并随着微单相机的崛起渐渐成为标配。 特别是在2018年到2019年，索尼通过固件升级的方式让所有α 7三代机身和α 9都实现了实时追踪和实时眼部追踪功能。在这一升级中，相机可以认出被摄主体的图案、色彩和距离，再结合人工智能识别出被摄人物或动物的双眼，再调用相应的对焦点进行对焦，而不是以往的只依赖距离和色彩信息那样简单。 新一代索尼微单相机具备的基于人工智能技术的对焦原理示意图：相机实时采集处理色彩、图案、距离和面容信息，并依靠AI从数据库的深度学习，找到并追踪当前画面中人物的眼睛。
有趣的是，无论是手机还是相机，要获得超越以往的画面效果，都依赖于两大核心要素——传感器的高速读取和处理器的高速处理。比如索尼α 9的传感器数据读取能力就是前代机型的20倍，而手机上处理器几乎每年都会有大幅提升。 在有了这两高保障之后，相机才能随时捕捉运动中的物体，手机也才可以在按下快门的同时拍摄多张照片，然后依据不同的计算原则进行对齐、合成和优化运算。 我们可以通过手机上的夜景模式来一窥计算摄影的魅力：
通过对比照片，你会发现这其中的差异非常明显，不仅画面更加纯净，噪点减少了许多，细节和色彩也得到了增强。更重要的是，由于并非机械的进行多张叠加，而是在确立基准帧之后再进行叠加，所以即使没有三脚架辅助，也能获得没有重影的出色效果。
将手机上的夜景模式与相机照片相比，在画面直观感受上也毫不逊色，甚至由于多张合成了不同曝光的照片，在宽容度方面还比相机表现得更好。 下面的九宫格照片分别是手机直接拍摄、使用夜景模式拍摄和相机拍摄的弱光画面。从左侧照片你能看出，手机本身的弱光成像并不如最右侧的相机。但凭借出色的夜景算法，能极大提升画面细节，降低噪点。值得注意的是，所有图片均为手持拍摄，没有使用三脚架。
算法，可以让夜景拍摄不再需要三脚架、让慢速快门不再需要ND滤镜、让人像虚化不必依赖大光圈镜头、让画面不再曝光过度、让人像跑焦不再困扰摄影爱好者…… 似乎计算摄影、人工智能可以帮我们解决很多问题。但不可否认的是，也会让我们犯一些以前不会犯的错误。 比如，某些安卓手机尽管具备出色的人工智能影像算法，但是拍出的照片色彩始终过于艳俗而不令人满意，色彩的准确性也偶有问题。这就不再是算法是否准确的问题，而是算法背后，编写算法的人与审核算法的人的美学修养问题。 人工智能也好，算法也好，它们就像是一个孩子，如何训练它们，如何教会它们正确的看待事物，是厂商的职能与责任。 由此来看，计算摄影的效果其实取决于3大要素： 算法的十年只是一个开始，我们应当感谢技术的进步。未来的摄影，将会让爱好者更轻松的获得好照片，让职业摄影师的注意力更多集中到创造前所未有的画面内容上，而不再被技术细节分散视线。 END 欢│迎│进│入│微│店│订│阅 大│众│摄│影│全│年│杂│志 |
|
|
