소프트웨어가 잘못된 카메라 렌즈를 고칠 수 있습니까?
현대 카메라는 인상적인 일을 할 수 있습니다.
노이즈를 줄이면 어두운 이미지가 더 깔끔하게 보일 수 있습니다. AI 알고리즘은 가장자리를 날카롭게 만들 수 있습니다. 소프트웨어는 왜곡을 수정하고, 색상을 조정하고, 누락된 것처럼 보이는 세부 정보도 생성할 수 있습니다.
그래서 자연스럽게 누군가가 결국 이렇게 묻습니다.
소프트웨어가 이렇게 좋아진다면, 여전히 값비싼 카메라 렌즈가 필요할까요?
짧은 답변:
예. 아주 그렇습니다.
소프트웨어는 평범한 이미지를 향상시킬 수 있습니다.
나쁜 광학 정보를 좋은 광학 정보로 확실하게 바꿀 수는 없습니다.
카메라가 AI 인식, 로봇 공학, 감시, 자동차 이미징, 머신 비전에 사용되고 있기 때문에 이러한 구별은 그 어느 때보다 중요합니다.
소프트웨어는 엉망진창을 정리하는 데 매우 능숙합니다.
먼저 소프트웨어에 약간의 공로를 인정해 봅시다.
최신 이미지 처리는 많은 일을 할 수 있습니다.
이미지에 노이즈가 포함되어 있으면 알고리즘을 통해 노이즈를 줄일 수 있습니다.
렌즈 왜곡이 예측 가능한 경우 소프트웨어가 형상을 수정할 수 있습니다.
이미지의 대비가 약간 약한 경우 선명도 향상 및 부분 대비 향상을 통해 이미지가 더 좋아 보일 수 있습니다.
색상 처리는 이미징 시스템의 특정 특성을 보완할 수도 있습니다.
이것은 매우 유용합니다.
실제로 최신 카메라는 컴퓨터 이미징이 없으면 훨씬 더 나쁠 것입니다.
그러나 중요한 제한이 있습니다.
소프트웨어는 정보를 처리할 수 있습니다. 광학계가 포착하지 못한 정보를 완벽하게 복구할 수는 없습니다.
렌즈가 들어가는 곳입니다.
결코 해결되지 않은 것을 선명하게 할 수는 없습니다
멀리서 번호판을 촬영한다고 상상해 보세요.
센서의 픽셀이 충분합니다.
카메라의 노출이 적절합니다.
그러나 렌즈는 작은 문자를 선명하게 해상할 수 없습니다.
문자는 흐릿한 형태로 센서에 도착합니다.
이제 샤프닝을 적용해 보세요.
가장자리가 더 강해 보일 수 있습니다.
AI 향상을 적용합니다.
결과는 더욱 설득력있게 보일 수 있습니다.
그러나 문제가 있습니다.
원래의 미세한 디테일은 제대로 기록되지 않았습니다.
소프트웨어는 세부 사항이 어떻게 생겼는지 추정합니다.
캐주얼한 사진의 경우 이는 완벽하게 허용될 수 있습니다.
번호판 인식, 안면 인식, 산업 검사 또는 머신 비전과 같은 애플리케이션의 경우 "그럴듯해 보이는 것"과 "신뢰할 수 있는 정보를 포함하고 있음"이 반드시 같은 것은 아닙니다.
그 차이가 중요합니다.
MTF는 논쟁이 심각해지는 곳이다
이것이 광학 엔지니어가 주목하는 이유 중 하나입니다.MTF(변조 전달 함수).
MTF는 렌즈가 다양한 세부 수준에서 대비를 얼마나 효과적으로 유지하는지 설명합니다.
고주파수 성능이 좋지 않은 렌즈는 매우 미세한 구조를 재현하는 데 어려움을 겪을 수 있습니다.
아무리 많은 후처리를 해도 해당 렌즈가 근본적으로 더 나은 광학 시스템처럼 작동하도록 마술처럼 만들 수는 없습니다.
소프트웨어는 겉보기 선명도를 높일 수 있습니다.
렌즈의 물리적 분해능을 변경할 수는 없습니다.
이것이 바로 8MP 센서가 장착된 카메라가 광학 시스템이 해당 픽셀을 활용할 수 없는 경우 여전히 실망스러운 디테일을 생성할 수 있는 이유입니다.
8백만 픽셀을 가질 수 있습니다.
흐릿한 렌즈가 800만 개의 유용한 세부 정보를 제공하도록 강요할 수는 없습니다.
AI 이미지 향상은 어떻습니까?
이것은 상황이 특히 흥미로워지는 곳입니다.
AI 기반 이미지 향상은 때로는 놀랍도록 설득력 있는 결과를 생성할 수 있습니다.
그러나 다음과 같은 미묘한 차이가 있습니다.
정보 복구 중
그리고
가능한 결과를 생성합니다.
AI는 학습한 내용을 기반으로 패턴을 추론할 수 있습니다.
그러면 사람이 보는 사람에게 이미지가 훨씬 더 좋아 보일 수 있습니다.
그러나 객관적인 결정을 내리기 위해 카메라를 사용하는 경우 엔지니어는 주의해야 합니다.
예를 들어, AI 시스템이 차량을 식별하거나, 텍스트를 읽거나, 제조 결함을 검사하는 경우 인위적으로 생성된 세부 정보가 현장에 실제로 있었던 내용을 항상 나타내지는 않을 수 있습니다.
다시 말해서:
아름다운 이미지가 자동으로 신뢰할 수 있는 이미지는 아닙니다.
이는 AI 비전 시스템을 설계할 때 기억할 가치가 있는 차이점입니다.
소프트웨어만으로는 실행 취소할 수 없는 몇 가지 문제가 있습니다.
몇 가지 일반적인 광학 문제를 고려하십시오.
해상도가 좋지 않음
렌즈가 미세한 세부 사항을 확인할 수 없으면 소프트웨어에서 사용할 수 있는 실제 정보가 제한됩니다.
불충분한 빛
어두운 환경에서 느린 렌즈를 사용하면 센서가 높은 이득으로 작동하게 되어 소음이 발생하고 사용 가능한 세부 정보가 줄어들 수 있습니다.
소프트웨어는 소음을 줄일 수 있지만 공격적인 소음 감소는 미세한 정보도 제거할 수 있습니다.
극심한반음계수차
소프트웨어는 예측 가능한 일부 색상 번짐을 교정할 수 있지만 심각한 광학 수차는 여전히 원본 이미지 품질이 저하되었음을 의미합니다.
열악한 엣지 성능
광각 이미지의 모서리가 심하게 흐릿한 경우 디지털 선명화를 사용하면 누락된 세부 사항을 복원하지 않고도 모서리의 대비가 더욱 뚜렷해 보일 수 있습니다.
플레어 및 고스팅
광학 시스템 내부의 강한 반사로 인해 이미지가 오염될 수 있습니다. 원치 않는 빛이 캡처된 신호에 혼합되면 소프트웨어는 이를 완벽하게 분리하는 능력이 매우 제한적입니다.
이것이 바로 광학 설계가 여전히 중요한 이유입니다.
최고의 카메라는 광학과 소프트웨어를 모두 사용합니다
실제 대답은 다음과 같습니다.
광학 대 소프트웨어.
그것은:
광학 + 소프트웨어.
잘 설계된 카메라는 소프트웨어에 좋은 출발점을 제공합니다.
렌즈는 다음을 제공합니다.
충분한 해상도
적절한 광 투과율
제어된 왜곡
좋은 대비
안정적인 엣지 성능
적절한 센서 매칭
그러면 이미지 처리를 통해 강력한 광학적 기반을 확보하고 최종 이미지를 더욱 향상시킬 수 있습니다.
이는 근본적으로 약한 광학 시스템을 복구하도록 소프트웨어에 요청하는 것보다 훨씬 더 효과적입니다.
요리처럼 생각해보세요.
소프트웨어는 조미료입니다.
좋은 알고리즘은 좋은 이미지를 더 좋게 만들 수 있습니다.
하지만 재료가 이미 탄 경우 양념을 더 추가하는 것은 아마도 해결책이 아닐 것입니다.
AI 카메라의 경우 이는 더욱 중요합니다.
전통적인 사진의 경우 약간 불완전한 이미지는 단순히 매력적이지 않을 수 있습니다.
AI 비전의 경우 그 결과는 더욱 심각할 수 있습니다.
AI 알고리즘은 다음과 같은 시각적 기능에 따라 달라집니다.
가장자리
모양
질감
대비
색상
객체 경계
광학 시스템이 센서에 도달하기 전에 이러한 기능을 파괴하면 AI 시스템이 더 낮은 입력을 수신하게 됩니다.
이는 탐지 및 인식 성능에 영향을 미칠 수 있습니다.
이것이 바로 광학 설계가 단순히 카메라 전면에 부착된 구성 요소가 아닌 AI 시스템의 일부로 간주되어야 하는 이유입니다.
그렇다면 소프트웨어가 불량 렌즈를 고칠 수 있을까요?
"수정"이 무엇을 의미하는지에 따라 다릅니다.
소프트웨어는 예측 가능한 특정 광학 특성을 수정할 수 있습니다.
대비를 향상시킬 수 있습니다.
소음을 줄일 수 있습니다.
이미지를 선명하게 할 수 있습니다.
왜곡을 교정할 수 있습니다.
그러나 소프트웨어는 다음을 완전히 대체할 수 없습니다.
광학적 해상도가 좋습니다.
좋은 빛 투과율.
광학 정렬이 좋습니다.
좋은 수차 제어.
세계 최고의 이미지 처리 알고리즘을 사용하려면 여전히 광자가 필요합니다.
그리고 그 광자는 먼저 렌즈를 통과해야 합니다.
Boshi Optics에서는 이러한 출발점에서 카메라 렌즈 개발에 접근합니다. 광학 시스템은 소프트웨어가 처리를 시작하기 전에 유용한 정보를 제공해야 합니다. 광학 설계, 제조, 조립 및 광학 테스트 기능을 갖춘 Boshi Optics는 보안 카메라, AI 비전, 자동차 이미징, 드론, 의료 이미징 및 기타 카메라 시스템을 포함한 응용 분야용 렌즈를 개발합니다.
결국 소프트웨어는 이미지를 향상시킬 수 있기 때문입니다.
그러나 렌즈는 처음에 어떤 정보가 거기에 도착할지 결정합니다.
