Ruis onderdrukken


Rùihs

We hebben er allemaal wel eens last van, ruis. Ik heb het vooral de ochtend na het stappen, maar ook wel eens met het fotograferen. Dan kom ik thuis met zo’n grindtegel van een foto.

ISO

Vroeger in de tijd van de natte film, werd de DIN / ASA / ISO (lichtgevoeligheid) bepaald door de grootte van de korrel van de film. Hoe groter de korrel, hoe meer licht er tegelijk in kon. Maar ook hoe korreliger de film. Vandaag de dag met digitaal is het niet zo dat een pixel groter wordt als de ISO hoger staat. Om de opname lichtgevoeliger te maken, wordt vandaag de dag gebruik gemaakt van een gain en niet meer zo zeer van een ISO. In digitaal land wordt nog steeds gesproken over ISO en haar waardes, om destijds de overstap van analoog naar digitaal voor de consument makkelijker te maken. Maar eigenlijk heeft het is niet meer mee van doen. Een gain is namelijk een voorversterking van de amplitude van de golf van een signaal voordat deze door de bewerking heen gaat. Daardoor wordt ook de later beschreven ruis dus meer de bewerking in geduwd.

Wat is ruis?

Ruis zijn die spikkeltjes die je ziet als je in een te donkere ruimte foto’s aan het maken bent en je gaat de ISO omhoog zetten om meer licht te vangen. Eigenlijk alles wat de pixels verstoort tijdens het opnemen van de data wordt gezien als ruis. Er zijn vier soorten ruis:
  1. Signal-noise komt omdat elk signaal z’n eigen ruis heeft. Licht is stochastisch van aard, fotonen komen niet gelijkmatig binnen, dus een lichtbron als een lamp heeft zelf al ruis.
  2. Dark-current-noise is een langzame en gestage ophoping van lading in de pixels als gevolg van lekstroom, die varieert met warmte. Omdat het puur een signaal is heeft het, net als elk ander, zijn eigen signaal-ruis. Via een dark frame kan je deze ruis zichtbaar maken. Doe de lensdop op de camera, zet de ISO en de sluitertijd op dezelfde instelling als waarmee je de foto gaat maken en zorg dat de camera dezelfde temperatuur heeft.
  3. Read-noise is de ruis die we gratis krijgen als we de ISO/gain hoger zetten. Dit is een constante waarde, behorende bij de ISO sterkte bij de desbetreffende sensor (let op: nieuwere sensoren zijn vanaf bepaalde ISO/gain waardes ISO-loos). Read noise is een type ruis dat in een afbeelding terecht komt als het signaal wordt uitgelezen en omgezet van analoog naar digitaal. Via een BIAS frame kan je deze ruis zichtbaar maken. Doe de lensdop op de camera, zet de ISO op dezelfde instelling als waarmee je de foto gaat maken en zet de sluitertijd op z’n snelst.
  4. Rode ruis ontstaat omdat individuele pixels oververhit worden doordat er te lang elektriciteit doorheen stroomt (door een lange sluitertijd). Dit verandert niet als de ISO wordt aangepast, ook niet als de sluitertijd wordt aangepast, deze pixels zijn altijd rood (ze zijn nu eenmaal oververhit). Via een BIAS frame kan je deze pixels zichtbaar maken. Doe de lensdop op de camera, zet de ISO en het diafragma op dezelfde instelling als waarmee je de foto gaat maken en de sluitertijd op z’n snelst (1/4000e ofzo).
Voor de eerste twee type ruis, welke afkomen van een signaal, is de SNR (Signal to Noise Ratio) eenvoudig te berekenen: N≈√S, ofwel SNR≈S/√S. Dit noemen we een poisson statistiek, vernoemd naar de Franse wiskundige Siméon Denis Poisson.
Stel er vallen gemiddeld 10.000 fotonen per 10 seconden @ ISO400 op een sensor pixel. Dit betekent niet dat er bij iedere meting van 10 seconden precies 10.000 fotonen gemeten worden. Fotonen worden immers uitgezonden in een willekeurige richting. De onnauwkeurigheid in zo’n meting is ongeveer gelijk aan de wortel van het aantal gemeten fotonen. In dit geval tellen we dus 10.000 fotonen in 10 seconden. We krijgen dus een onnauwkeurigheid van √10.000 = 100 fotonen. Die 100 is 1% van 10.000, dus we hebben een relatieve onnauwkeurigheid van slechts 1%. Wanneer er maar 1 seconden @ ISO4000 gemeten wordt dan meten we gemiddeld 10 keer minder fotonen dan wanneer we 10 seconden meten. Het gemiddeld aantal gemeten fotonen is dan gelijk aan 10.000/10 = 1.000. De onnauwkeurigheid hierin is dan √1.000 en dat is ongeveer 31,6. Die 31,6 is 3,16% van 1.000, we hebben nu een relatieve onnauwkeurigheid van meer dan 3%, i.p.v. slechts 1%. De formule, rekening houdend met deze type ruis, is: SNRobj = Sobj/√(Sobj + Sskyfog + DC + RN^2).

Onderdrukken

Ik maak in deze test constant foto’s die met een factor 8 gecropped zijn, met de lensdop er op, met hetzelfde diafragma, dezelfde brandpuntsafstand en dezelfde focus setting. Alleen de ISO en de sluitertijd wijzig ik. Let op, ik heb expres op elke testplaat achteraf de exposure 4 stops omhoog gezet, om de ruis beter zichtbaar te maken. De foto’s zijn genomen met een Canon EOS 750D.

Deze plaat toont het verschil in ruis als we de ISO omhoog gooien, die we compenseren door de sluitertijd omlaag te doen.

Dark frames

Dark frames is de techniek die gebruikt wordt door nieuwere camera’s genaamd ‘Ruisonderdrukking’. Wat er gebeurt is dat de camera, na X seconden een foto te nemen, wederom X seconden een foto neemt, maar dan met de sluiter dicht. Op deze manier wordt als tweede foto alleen een foto van de ruis genomen (zie uitleg hierboven) en wordt dit van het eindproduct afgetrokken.

Nu zijn er twee manieren voor het gebruik maken van dark frames.

 

Single DF

De meest bekende methode voor het gebruiken van dark frames is de Single Dark Frame. Ofwel, hetgeen wat nieuwere camera’s doen als de ruisreductie optie wordt aangezet.
Ik raad het gebruik van deze methode ten zeerste  af!

  • Ten eerste: de ruizen welke wij over het algemeen willen onderdrukken zijn de signal-noise en de read-noise. Dit twee storen ons het meest namelijk.
  • Ten tweede: alleen, en ALLEEN, bij lange exposures, komt ook de dark-current-noise kijken. De ruisonderdrukking in onze camera’s onderdrukken alleen de dark-current-noise en doet dus niet wat je in eerste instantie zou denken van wat ruisonderdrukking doet.
  • Ten derde: hoewel de dark-current-noise netjes wordt onderdrukt door de ruisonderdrukking, INJECTEERT deze compensatieplaat signal-noise in de foto (de signal-noise die ze achterlaat kan niet gefilterd worden) !!! Als er niet voldoende dark-frames gestacked worden, komt de foto er dus met meer ruis uit dan dat deze er in ging 😉

Ik zie hier wel verschil, de ruis is juist erger geworden.

Ja maar HOOOO, zegt een vriend van me. Ruisonderdrukking op de camera heeft alleen maar effect op JPG’s en jij gebruikt RAW’s in de voorbeelden. Ok, fare enough! Ik ga de JPG’s er bij pakken (ik schiet RAW+JPG). Het eerste wat mij opvalt is dat de JPG met ruisonderdrukking aan 2 MB groter is dat die met de onderdrukking uit. Dit betekend dus meer detail in de foto, en dat terwijl deze met de lensdop erop genomen is. Dat is apart 😛 Nog iets anders wat me opvalt, de foto ziet er anders uit dan bovenstaande. Logisch, je camera bewerkt de foto als je de JPG neemt en de RAW niet (zie mijn blog Te edit of niet te edit).

Goh! De plaat met ruisonderdrukking AAN heeft niet alleen meer ruis, maar ook nog meer verschillende kleuren ruis. Wat vooral opvalt is dat rood meer aanwezig is.

 

Stacked DF

We kunnen ook dark frames stacken. Er worden, achteraf, meerdere foto’s genomen met exact dezelfde instellingen (sluitertijd, diafragma, ISO, brandpunt, focus, temperatuur, locatie en richting). Deze dark frames worden dan gestacked en van de foto afgetrokken. Helaas is hier geen simpele optie voor in Photoshop (het kan wel), dus ik heb hier gebruik gemaakt van een tool genaamd DeepSkyStacker. Om deze reden wordt deze techniek bijna niet gebruikt. Deze tool is eigenlijk bedoeld voor de astrofotografie, maar voor dit doeleinde is de tool ook enorm geschikt.

Tsjo dan, dat is een verschil!

Door het stacken van frames onderdrukken we deze ruis. Hoeveel maal we de ruis onderdrukken is eenvoudig te berekenen: √Csubs. Dus als we 100 lights stacken, verminderen we de ruis √100 = 10x. Hoe meer compensatieplaten je stacked, hoe lager dus de geïnjecteerde ruis.

 

Stacken

Een minder bekende techniek voor het onderdukken van ruis is het stacken van meerdere opnames. Hiermee wordt per pixel een gemiddelde genomen door die pixel van elke plaat bij elkaar op te tellen. Omdat ruis willekeurig is, zal dit in het eindproduct dus redelijk efficient er uit gefilterd worden. Uiteraard kan dit alleen maar als je meerdere foto’s hebt van exact hetzelfde. Dus statief, stilstaand object, etc. Ook deze techniek wordt in astrofotografie gebruikt.

Hééé… Hier zie ik ook een leuk verschil. Stacken verminderd dus de ruis 🙂

Ook hier weer: door het stacken van frames onderdrukken we deze ruis. Hoeveel maal we de ruis onderdrukken is eenvoudig te berekenen: √Csubs. Dus als we 100 lights stacken, verminderen we de ruis √100 = 10x. Hoe meer platen je stacked, hoe lager dus de geïnjecteerde ruis.

 

ETTR

Door een techniek te gebruiken, genaamd ETTR (Exposure To The Right), kan je door de ISO hoger te zetten minder ruis krijgen. In principe is dit niets anders dan expres de ISO 1 of 2 stops te hoog zetten, zodat de foto overbelicht wordt (maar nog niet uitgebeten!), en later in Photoshop de foto weer 1 of 2 stops donkerder te maken. Uiteraard kan dit ook met een langere sluitertijd ipv. ISO, maar dan kan je, als de sluitertijd te lang wordt, alleen stilstaande objecten fotograferen met statief. Vaak gebruiken we immers een hogere ISO om de sluitertijd sneller te kunnen zetten. Ook weer, deze techniek wordt ook in de astrofotografie gebruikt.

Hier zie ik een grote verandering t.o.v. de niet gecompenseerde platen. Door een hogere ISO te nemen kan ik in een later stadium de ontstane ruis er mooi uit drukken tot dezelfde hoeveelheid als met een lagere ISO door de plaat donkerder te maken. Wat heeft dit dan voor zin, vraag je je af, in the end hebben we dan toch hetzelfde resultaat als met een lagere ISO alleen dan met minder dynamiek er in?

Een sensor reageert lineair op licht. Daarom zit de helft van alle informatie in de lichtste stop van dat beeld. In de volgende (donkerdere) stop zit dan weer de helft van de overgebleven informatie, etc. Dus, het voordeel is dat de plekken die beter belicht zijn (mijn testplaten zijn met de lensdop er op) dan wel minder ruis gaan krijgen, omdat dus hoe lichter de pixel hoe meer data het kan bevatten.

Panorama

Ook een leuke techniek is het schieten van een panorama. Als je een foto op 38mm hebt, kan je deze ook op 50mm schieten, maar dan in een 3×3 frame. Zoals je wellicht weet schiet je een panorama door elke keer een overlapping te hebben van ongeveer 1/3 van het frame. Dus 1 1/3 van 38mm = 50mm. Als je al deze losse foto’s aan elkaar plakt in Photoshop, krijg je een panorama.

Nu… De truc komt als je de panorama weer gaat verkleinen naar de afmeting van een losse plaat. Zeg je schiet 6000 x 4000, dan zal een panorama 14000 x 9333 worden. Inclusief de normale hoeveelheid ruis die er in zit. Als je deze foto nu verkleind naar 6000 x 4000, worden de details in foto dezelfde kwaliteit als wanneer je deze initieel op 38mm geschoten zou hebben, maar de ruis zal met 57% verminderen (6000/14000*100% = 43% restant = 57% vermindering).

Zoals je kunt zien is de ruis simpelweg verkleind en dus ook zichtbaar afgenomen.

 

Voorbeeld

Nu ga ik even gemeen zijn en een extreem voorbeeld plaatsen. Dit is de Eagle Nebula, samen met The Pillars of Creation. Een plaat welke extreem veel ruis vergt, aangezien deze 10″ @ ISO3200 geschoten is.

Nadat ik de data gestretched hebt, komt het onderwerp er mooi uit. Echter, om de ruis te onderdrukken zijn dit de technieken die ik gebruikt heb:

  • Dark frame stacking
  • Foto stacking
  • ETTR
Nog steeds ruis, maar gezien de hoeveelheid dat de belichting gestretched is, valt het nog reuze mee!

Is ruis erg?

Veel mensen denken dat een foto met ruis een slechte foto is. Persoonlijk ben ik van mening dat dit geheel afhankelijk is van de omstandigheden, het te fotograferen onderwerp en het doel van de foto.

  • Liever een foto met meer ruis dan dat deze bewogen is omdat de sluitertijd te laag gezet is.
  • Liever een foto met meer ruis dan een te donkere foto.
  • Liever een foto met meer ruis dan geen foto.
  • Soms geeft ruis ook een aparte sfeer in een plaat.