郭育青

使用索尼Xperia 5手機拍攝的夜景照片

我們常說，攝影是用光的藝術。這句話至少包括兩層意思，一是拍攝現(xiàn)場的光線是拍攝好照片的基礎，光源性質、顏色以及光的強度、指向等都會對畫面產生決定性影響;二是攝影者在拍攝過程中要懂得如何利用光線，來得到想要呈現(xiàn)的光線效果。不過，計算攝影時代的到來，會讓“用光”這件事產生革命性的變化，即使在現(xiàn)場光不理想或者攝影者不掌握專業(yè)用光技巧的情況下，好照片也有可能產生。

零延時拍照

當我們討論光的時候，先來說下快門速度是有必要的，因為它決定了我們能夠捕捉光線的時間，是光線控制的起點。

相信大家和我一樣，最早學習攝影的時候，老師都會這么教我們：“在拍攝百米賽跑、飛鳥、人物合影的時候，一定要對相機的快門延遲有預判，要提前按下快門，不要等發(fā)生的那一瞬間才拍照?！边@是因為相機從按下快門到最終得到照片，需要花一定時間去處理和運算，并不是按下快門一瞬間，就拍到畫面，這是因為有“快門時滯”。

不過，快門時滯在計算攝影的時代已經不存在了，甚至還會讓拍攝者感到“時光倒轉”這樣不可思議的事情——按下快門的一瞬間拍到了前一時刻的畫面。

簡單來說，這是因為當你打開手機相機應用程序的那一瞬間，相機就已經開始馬不停蹄拍照了。按下快門的一瞬間也不代表拍照結束，而是繼續(xù)拍攝若干張之后才停止，按快門的動作只代表拍攝者給相機提供了一個時間參考節(jié)點。相機內部處理器有一個緩存區(qū)域，不斷刷新一定時間內的照片。

以谷歌Pixel手機的Top Shot功能為例。當攝影師按下快門時，Top Shot會在前后1.5秒內拍攝多達90張圖像（每秒30張的連拍速率），最多選擇兩張以高分辨率保存，其他88張以較低分辨率保存，根據(jù)需要在之后進行查看。而今年上市的運動相機GoPro HERO 8 Black同樣配備了零延時，可以幫助用戶捕獲快門前后1.5秒內的所有瞬間。

從技術上來說，做到零時快門就已經完全夠了，但計算攝影的魅力就在于不僅先進而且使用體驗同樣非常出色。相機內的人工智能算法，可以幫助用戶在一系列拍攝的照片里面智能打分，篩選出拍攝者期望的兩張或者三張照片，自動呈現(xiàn)給拍攝者。這樣一來，按下快門后，我們立刻就得到了若干個最佳瞬間。剩下那些分辨率不高的照片可以通過視頻壓縮編碼的方式形成三秒的短視頻，用來在社交平臺上進行分享。蘋果手機的Live Photo亦是如此。這就讓整個拍攝變得更加生動活潑。

從前面的兩個例子，我們可以看到零延時模式下是依賴連拍照片工作的。在這個意義上來說，計算攝影時代的照相機與錄像機已經沒有本質區(qū)別。在拍照的同時，相機在后臺做的就是錄像工作，只不過我們最終得到的結果是海量圖像數(shù)據(jù)中經過挑選出來的最佳照片。而且，參照之前HDR+的方法，當我們挑選出最佳瞬間的同時，其他非最佳瞬間并不是完全沒有意義，可以幫助最佳瞬間去改善畫質。

谷歌Pixel手機的Top Shot功能拍攝的系列照片

谷歌Pixel手機的Top Shot功能拍攝的系列照片

計算合成光效

這里所謂合成光效有三個層次含義：第一個層次的含義是在不開閃光燈的情況下去拍照，通過機器學習、語義分割的方法把特定的區(qū)域進行提亮，達到了接近打開閃光燈/使用反光板的效果;第二層含義是在一個拍攝場景里（尤其是暗光場景），通過閃光燈開與不開的多張照片的混合，得到了一張光效更自然、觀感更好的照片;第三層含義則是通過計算攝影方法重新計算現(xiàn)場光效，以達到攝影工作室光效的效果。

先以合成光效下的逆光人像為例拍攝來解釋第一層含義。在遇到這樣的拍攝需求時，攝影師通常會使用反光板或者通過閃光燈+柔光罩來照亮背光對象的臉部。然而，借助計算攝影的方法，反光板、閃光燈和柔光罩不是必需品，通過實時運算也可以實現(xiàn)此目的?，F(xiàn)在很多手機的人像模式就已經采用了基于機器學習的分割算法，智能判定識別人物對象并為其添加暖色調光效，以達到重新布光的感覺。不僅如此，用于識別人物對象的分割方法也被用于前置視頻圖像穩(wěn)定，這對于喜歡拍攝Vlog的人來說更是個好消息。因為Vlog視頻的需求是穩(wěn)定自己而不是背景。對于傳統(tǒng)的的基于陀螺儀的穩(wěn)定技術來說，這是做不到的。

使用索尼Xperia 5手機拍攝的人像照片

使用索尼Xperia 5手機拍攝的人像照片

對于第二層含義，要引入“計算式閃光燈攝影”這個概念。在我們的攝經驗中，如果在一個很暗的環(huán)境下打開閃光燈拍照，很大幾率距離閃光燈比較近的地方會被光質很硬的閃光燈照亮，遠處的物體非但不會被照亮，還會覆蓋在前景的陰影中。因此專業(yè)攝影師在大多數(shù)夜景拍攝場合是不會用閃光燈照明被攝對象，多是使用閃光燈作為補光工具，再配合相關拍攝參數(shù)調整整體畫面亮度來得到好照片。而對于普通人，對閃光燈補光沒有把控能力，照明成為閃光燈的唯一作用，拍攝的照片就不大好看。這時，計算式閃光燈攝影就很好地解決了普通人使用閃光燈的拍夜景的問題。如今，很多手機和相機也都配備這個功能。簡單來說，這個方法就是在拍攝了一張閃光燈照片同時，還捕獲了一張不開閃光燈拍攝的照片。這兩張照片按照圖像的特征區(qū)域進行疊加、融合，再由處理器整體調整后，就可以獲得一張非常自然的照片，甚至會讓人以為現(xiàn)場光線效果就是那樣。而且，利用這種方法，用閃光燈夜景拍攝時的紅眼問題，也被解決了。

計算式閃光補光效果

計算式閃光夜景自動補光效果，右側圖為補光后

所謂計算式工作室光效，也可以說是在“計算式閃光燈攝影”基礎上發(fā)展而來，既然我們可以混合閃光燈和不開閃光燈的照片，未嘗不可在更大的范圍內去控制現(xiàn)場光。目前，已經有不少型號的手機實現(xiàn)了這類效果，最具代表性的就是iPhone肖像攝影模式中的“工作室光效”（Studio Light），借助圖像算法以及對于多個攝像頭景深計算，最終達到和模擬工作室燈光布置的效果。

總體來說，合成光效是近年發(fā)展比較快的領域，它并不是攝影濾鏡，而是高度依賴于對拍攝現(xiàn)場各種光線參數(shù)的計算和把控，遠比攝影濾鏡要復雜得多。

iPhone的“工作室光效”功能

計算式暗光攝影

計算式暗光攝影可以讓攝影者在很弱的光線下，甚至是在肉眼已經無法分辨的環(huán)境中依然能拍攝清晰的照片，并且不需要三腳架或閃光燈。這聽起來真的不可思議，但真的已經悄然來到了每個人身邊。

使用iPhone拍攝的“工作室光效”樣張

拍攝過昏暗場景的人都知道，要么拍不清楚，要么拍出來全是噪點，根本沒法看。噪聲是怎么產生的呢？

對于具有小鏡頭和傳感器的智能手機相機，噪聲的主要來源是進入鏡頭的光子數(shù)量的自然變化，稱為散粒噪聲;第二個噪聲源是每個像素進行光電轉換（稱為讀取噪聲）時引入的隨機誤差。信噪比（SNR）是衡量圖像從噪聲中脫穎而出的量度。SNR隨曝光時間的平方根（或更快）而增加，因此拍攝更長的時間，理論上可以得到更清晰的圖像。但攝影師很難在昏暗的光線下保持足夠長的拍攝時間，而且無論拍攝什么，震動或抖動都在所難免。

前文我們介紹了HDR+這種計算攝影技術，可通過捕獲一連串的畫面，在軟件中對齊幀，并將它們合并在一起來改善畫質。其主要目的是改善動態(tài)范圍，即能夠拍攝表現(xiàn)出各種亮度（例如日落或背光肖像）的場景。多幀圖片還可以減少散粒噪聲和讀取噪聲的影響，因此同樣可以提高昏暗照明下的信噪比。

使用谷歌Pixel手機暗光模式拍攝的照片（左）和原場景（右）對比

使用索尼Xperia 5手機拍攝的夜景照片

讀者自然會想到，如果捕獲并合并多個幀會在弱光下產生更清晰的圖像，為什么不使用HDR+合并數(shù)十個幀以便我們可以在黑暗擁有夜視的能力呢？這是因為僅使用智能手機，在暗光條件（30 Lux照度以下）中不可能通過單次拍攝得到理想畫面。雖然延長每幀的曝光時間會增加SNR并產生更清晰的圖像，但不幸的是，這會帶來很多問題。首先，不能采用零時滯快門，因為需要提升單張曝光時間。對于需要更長曝光的較暗場景，快門延遲（PSL）不可避免。這意味著攝影者需要在按下快門后保持一小段時間靜止不動，得到更長的曝光時間。其次，在非?；璋档臒艄庀?，人會停止看到顏色，這是因為視網(wǎng)膜中的視錐細胞停止運作，只剩下無法分辨不同波長光的視桿細胞。夜晚的景象仍然豐富多彩，我們卻無法感知。再次，增加每幀曝光時間導致運動模糊很難避免，這主要是由場景中的移動對象引起的。第四，自動白平衡（AWB）在弱光下不可用，這是由最基本的色彩原理決定的。

計算式暗光攝影借鑒了HDR+的方法，且為了解決色彩問題，開發(fā)了一種基于機器學習的AWB算法，核心是判斷圖像的色溫是在白天還是晚上、是在室內還是室外，算法經過訓練可以區(qū)分出白平衡好的圖像和白平衡差的圖像。當捕獲的圖像白平衡不佳時，該算法可以建議如何改變其顏色以使照明看起來更合理。

使用vivo NEX3手機拍攝的夜景照片

使用華為nova 6 5G手機拍攝的夜景照片

使用OPPO Reno2手機拍攝的弱光人像照片