V prvnφm dφle serißlu o digitßlnφm fotografovßnφ jsme se zab²vali p°edevÜφm vlastnostmi aparßt∙, zatφmco druh² dφl se zab²val skladbou digitßlnφ fotografie a technikami jejφho po°izovßnφ. V poslednφm dφle se soust°edφme p°edevÜφm na obrßzky jako takovΘ a podφvßme se, jak lze ji₧ vytvo°enou fotografii v poΦφtaΦi dodateΦn∞ upravovat.
K editovßnφ digitßlnφ fotografie samoz°ejm∞ musφme mφt v poΦφtaΦi n∞jak² program, jeho₧ pomocφ tyto ·pravy provßdφme. Existuje velkΘ mno₧stvφ r∙zn²ch produkt∙, od freeware program∙, kterΘ umo₧≥ujφ zßkladnφ ·pravy, p°es programy dodßvanΘ s digitßlnφmi kamerami a₧ po profesionßlnφ programy zam∞°enΘ na tisk Φi na publikovßnφ na webu. V tomto Φlßnku popφÜeme principy ·prav digitßlnφ fotografie, tedy obecn∞ platnß pravidla, nicmΘn∞ pokud n∞jak² program budeme pou₧φvat Φi citovat, bude to p°edevÜφm Adobe Photoshop.
Co to vlastn∞ mßme na disku?
Kolik bit∙ a kolik barev?
Obraz, kter² mßme v poΦφtaΦi, se sklßdß z obrazov²ch element∙ (pixel∙). Ka₧d² pixel mß k dispozici urΦitΘ mno₧stvφ bit∙ pro reprezentaci barevnΘ informace. Zßkladnφ a nejΦast∞ji pou₧φvan² barevn² re₧im mß 24 bit∙ pro ka₧d² pixel, tedy po osmi bitech pro Φervenou, zelenou a modrou slo₧ku. Tφm mßme k dispozici ·ctyhodn²ch 16 777 216 barevn²ch kombinacφ. ╚φslo se zdß neuv∞°itelnΘ, ale je to mßlo. LidskΘ oko dokß₧e rozliÜit 168 milion∙ barev - v jednom okam₧iku vÜak jen asi deset tisφc. Z toho vypl²vß, ₧e na obrazovce poΦφtaΦe m∙₧eme zobrazit pom∞rn∞ velkΘ mno₧stvφ obrßzk∙ s vysokou kvalitou, obrovskΘ mno₧stvφ reßln²ch scΘn vÜak nikdy nezachytφme.
Podφvejte se p°φmo do slunce, zkuste ho vyfotografovat a podφvejte se na obrßzek na obrazovce. CCD snφmaΦ nenφ schopen zachytit tak velkΘ sv∞telnΘ intenzity a monitor poΦφtaΦe je nedokß₧e zobrazit. Stejn² problΘm je na druhΘm konci dynamickΘho rozsahu. V noci je lidskΘ oko schopno p°izp∙sobit se i velmi nφzk²m intenzitßm sv∞tla (sv∞tloΦivnΘ bu≥ky dokonce reagujφ na jedin² foton), na digitßlnφ fotografii vÜak uvidφme jen Üum, zejmΘna proto, ₧e CCD snφmaΦ nenφ schopen na tak nφzkΘ intenzity reagovat, a takΘ proto, ₧e monitor je nedokß₧e zobrazit.
Obrßzky, kterΘ disponujφ t°emi bajty barevnΘ informace pro ka₧d² pixel, se naz²vajφ true color. TakzvanΘ high color obrßzky pou₧φvajφ dva bajty pro jeden pixel - potom se barevnß informace obvykle reprezentuje v re₧imu 5-6-5, tj. Üest bit∙ pro zelenou barvu a ostatnφ barevnΘ kanßly po p∞ti. LidskΘ oko je na zelenou barvu nejcitliv∞jÜφ, proto mßme k dispozici jemn∞jÜφ zelenΘ lad∞nφ.
Pom∞rn∞ oblφben²m formßtem, zejmΘna pro zobrazovßnφ na webu, je formßt GIF, kter² mß k dispozici pouze jeden bajt pro ka₧d² pixel. M∙₧e tedy zobrazit pouze 256 barev, co₧ se m∙₧e zdßt proklat∞ mßlo. Zßkladnφ vlastnostφ tΘto reprezentace vÜak je tzv. barevnß paleta, kterß °φkß, jakΘ barv∞ jak² index odpovφdß. Barevnß paleta v tomto p°φpad∞ vybφrß z 16 milion∙ barevn²ch odstφn∙ jen ty, kterΘ se prßv∞ pou₧ijφ. Proto₧e obrßzek vlastn∞ pomocφ palety indexuje barevn² prostor, °φkß se tomuto re₧imu takΘ index color. GIF obyΦejn∞ vznikne konverzφ z obrßzku true color a zp∙sob konverze urΦuje i paletu. Existujφ pom∞rn∞ d∙myslnΘ metody pro v²b∞r podstatn²ch barev tak, ₧e na prvnφ pohled ani nepoznßme, ₧e jde o pouh²ch 256 barev - je to tedy mßlo, ale mnohdy, zejmΘna pro r∙znΘ nßhledy, je toto mno₧stvφ barev postaΦujφcφ.
Komprese
D∙le₧it²m parametrem obrßzk∙ ulo₧en²ch na disku je zp∙sob jejich komprese. Nekomprimovan² obrßzek zabφrß znaΦnΘ mno₧stvφ mφsta, a je tedy vhodnΘ ho n∞jak zmenÜit. Na neÜt∞stφ (z hlediska komprese) obrßzek obsahuje znaΦnΘ mno₧stvφ informace a malΘ mno₧stvφ datovΘ redundance, a tak komprese obyΦejn∞ nenφ snadnß. Jednou z mo₧nostφ, jak redundanci zavΘst, je odstranit urΦitou informaci neboli jednoduÜe smazat n∞co, co nenφ z hlediska vizußlnφho vnφmßnφ podstatnΘ. Tato tzv. ztrßtovß komprese je principem formßtu JPEG. Pokud ulo₧φme obrßzek v tomto formßtu, v₧dy ztratφme urΦitΘ mno₧stvφ informace, v₧dy p°ijdeme o n∞jakΘ detaily. S vyÜÜφm kompresnφm pom∞rem (menÜφ velikostφ souboru) jsou tyto ztrßty dramatiΦt∞jÜφ. Navφc JPEG ze svΘ podstaty s vyÜÜφm kompresnφm faktorem m∞nφ barvu n∞kter²ch pixel∙, Φi dokonce cel²ch oblastφ 4 x 4 pixel∙.
Formßty jako TIFF Φi PNG pou₧φvajφ bezeztrßtovou kompresi LZW. Obrßzek takto ulo₧en² je podstatn∞ v∞tÜφ ne₧li JPEG, ale odpovφdß p°esn∞ tomu, co bylo na snφmaΦi CCD. Je tedy na nßs rozhodnout se, co preferujeme - zda ·sporu kapacity pam∞ti a ztrßtu detail∙, Φi kvalitu. V dalÜφm textu se budeme zab²vat pouze obrßzky true color.
Globßlnφ zm∞ny obrazu
Zm∞ny obrazu lze rozd∞lit do dvou zßkladnφch t°φd - na globßlnφ a lokßlnφ. Mezi globßlnφ zm∞ny pat°φ zejmΘna zm∞na kontrastu nebo barevnΘho t≤nu, zesv∞tlenφ, ost°enφ Φi zm∞na velikosti obrazu atp. Nßzvem lokßlnφ zm∞ny se oznaΦujφ zejmΘna r∙znΘ retuÜe, mazßnφ detail∙, lokßlnφ vyhlazenφ atd. VeÜkerΘ globßlnφ zm∞ny obrazu lze aplikovat i mφstn∞, pokud vybereme n∞jakou oblast. Podφvejme se nejprve na globßlnφ zm∞ny obrazu.
Histogram
Jednou ze zßkladnφch veliΦin umo₧≥ujφcφch kvantifikaci ka₧dΘho digitßlnφho obrazu je jeho histogram. Histogram je statistickou veliΦinou, kterß znßzor≥uje, kolik pixel∙ ka₧dΘ barvy je v obraze p°φtomno. Je-li nap°φklad obraz dvoubarevn², bude mφt jeho histogram pouze dv∞ hodnoty - poΦet pixel∙ jednΘ a druhΘ barvy. Proto₧e obrßzek mß t°i barevnΘ kanßly, je i jeho histogram slo₧en ze t°φ slo₧ek. V₧dy se vÜak spolu se slo₧kami RGB udßvß jeÜt∞ intenzita, kterß odpovφdß pr∙m∞ru vÜech t°φ kanßl∙. V n∞kter²ch programech se m∙₧eme setkat s pojmem luminozity Φi luminance. N∞kterΘ kvalitnφ digitßlnφ fotoaparßty zobrazujφ histogram p°φmo na LCD displeji.
ProΦ je histogram tak d∙le₧it²? Podφvejme se na snφmek a jeho histogram (obr. 1a, b). Co z n∞j m∙₧eme vyΦφst? LevΘ Φßsti histogramu, tedy tΘ, kde se nachßzejφ nφzkΘ intenzity jasu, se °φkß stφny (shades, viz Üipka), prost°ednφ Φßsti st°ednφ t≤ny (mid-tones) a pravΘ sv∞tla (lights). Je vid∞t, ₧e tento obrßzek mß maximum pixel∙ ve spodnφ Φßsti histogramu, obrßzek mß tedy velkΘ zastoupenφ tmav²ch intenzit. Druhou Üipkou je oznaΦeno znaΦnΘ zastoupenφ vysok²ch intenzit jasu - zjevn∞ jde o pixely, kterΘ odpovφdajφ obloze. Obrßzek mß tedy velkΘ mno₧stvφ tmav²ch pixel∙ a velkΘ mno₧stvφ pixel∙ sv∞tl²ch, mß tedy celkov∞ vysok² kontrast. Toto jsme vyΦetli z histogramu, ani₧ bychom se na obrßzek by¥ jen podφvali.
Pokud mßme velkΘ mno₧stvφ pixel∙ v levΘ Φßsti histogramu, je obraz celkov∞ tmav² (low-key image), pixely v pravΘ Φßsti naopak odpovφdajφ obrazu sv∞tlΘmu (high-key). Obrßzky s p°evahou intenzit uprost°ed majφ obyΦejn∞ nφzk² kontrast (average-key). Tyto p°φpady demonstrujφ obr. 2a a₧ f. Prvnφ je evidentn∞ tmav² a tomu odpovφdß i jeho histogram, druh² je celkov∞ vyvß₧en². Poslednφ je p°esv∞tlen², Φemu₧ odpovφdß i prßzdnß levß Φßst histogramu - je typick²m p°φpadem ji₧ zmφn∞nΘho snφmku s vysok²m kontrastem.
Obecn∞ platφ, ₧e nejlepÜφ histogram je ten, kter² obsahuje vÜechny hodnoty. Nenφ podstatnΘ, v jakΘ intenzit∞ jsou zastoupeny, podstatnΘ je, ₧e jsou p°φtomny vÜechny. Pokud n∞kterΘ hodnoty nejsou zastoupeny, znamenß to, ₧e z 256 mo₧n²ch pou₧φvßme pouze jejich Φßst. To obyΦejn∞ vede k p°epßlen²m mφst∙m na fotografii, k jednolit²m tmav²m plochßm Φi plochßm jednΘ barvy atp.
Existuje zp∙sob, jak m∙₧eme fotografii se Üpatn²m histogramem zachrßnit? Fotografie obsahuje urΦitΘ mno₧stvφ informace a dalÜφ do nφ p°idßme jen t∞₧ko. M∙₧eme ji r∙zn∞ modifikovat, p°esouvat podstatnΘ na r∙znß mφsta, tak abychom to lΘpe vnφmali, ale obtφ₧n∞ n∞co podstatnΘho do ji₧ po°φzenΘho obrazu p°idßme. Je tedy nejlepÜφ po°φdit fotografii pokud mo₧no tak, abychom ji m∞nit nemuseli. Pravidlo "N∞jak to nacvakßm a doma v teple to doladφm" je zcestnΘ. Chyb∞jφcφ informaci nep°idßme.
Kvalitnφ programy umo₧≥ujφ editaci histogramu dv∞ma r∙zn²mi zp∙soby - p°φm²m zßsahem a pomocφ tzv. k°ivek neboli pomocφ vyhledßvacφ tabulky (look-up table).
P°φmΘ zm∞ny histogramu
Podφvejme se na editaci tmavΘho obrßzku pomocφ Photoshopu. Na obr. 3a je originßl a jeho histogram s naznaΦenou zm∞nou (3b). Obrßzek mß Üpatn∞ nastavenou intenzitu bφlΘ, tzv. bφl² bod. Posunutφm ukazatele na prvnφ smysluplnou sv∞tlou barvu ji p°esuneme zcela doprava, roztßhneme cel² histogram a p°esuneme prost°ednφ intenzity (mid-tones) do sv∞tlejÜφ oblasti. Je z°ejmΘ, ₧e histogram upravenΘho obrßzku (3c, d) vyu₧φvß cel² rozsah intenzity, ale p°esto je jaksi d∞rav². Je to proto, ₧e p∙vodnφ obraz nepou₧φval celou dynamickou Ükßlu, a proto ve v²sledku vφce intenzit prost∞ nem∙₧e b²t a n∞kterΘ hodnoty jednoduÜe chybφ. Obrßzek je vizußln∞ lepÜφ ne₧li originßl, ale pokud bychom po°φdili p∙vodnφ fotografii lΘpe (zde jsem p°i fotografovßnφ zßm∞rn∞ zv²Üil clonovΘ Φφslo), byl by i v²sledek lepÜφ.
Jak ukazuje p°φklad na obr. 4a a₧ d, podobn²m zp∙sobem m∙₧eme nastavit i tzv. Φern² bod histogramu. VÜimn∞te si, ₧e nßpis na krabiΦce od Φaje je kv∙li chyb∞jφcφm barvßm znaΦn∞ poÜkozen.
Prost°ednφ manipulßtor na liÜt∞ s vstupnφmi hodnotami histogramu slou₧φ k posunu prost°ednφ Φßsti histogramu sm∞rem do tmav²ch Φi do sv∞tl²ch hodnot neboli ke zm∞n∞ kontrastu. P°esu≥me tento ukazatel nap°φklad do levΘ Φßsti - vÜe, co se nachßzφ mezi tφmto ukazatelem a maximßlnφ intenzitou, se zkomprimuje, a vÜe, co je mezi nejmenÜφ intenzitou a ukazatelem, se roztßhne. Celkov∞ se tedy obraz zjasnφ. TΘto zm∞ny lze lΘpe a podstatn∞ p°esn∞ji dosßhnout pomocφ k°ivek.
K°ivky
Jednφm z nejmocn∞jÜφch nßstroj∙ pro globßlnφ zm∞ny histogramu jsou editaΦnφ k°ivky. K°ivky popisujφ funkce, kterΘ urΦujφ, jak se zm∞nφ v²stupnφ hodnota pixelu v zßvislosti na hodnot∞ vstupnφ - slou₧φ tedy jako filtry pro zm∞nu intenzity barev. Osa x odpovφdß intenzit∞ originßlnφho pixelu a osa y hodnot∞ po aplikaci k°ivky. K°ivka majφcφ sklon 45o tedy odpovφdß originßlnφmu obrßzku, proto₧e nedochßzφ k ₧ßdn²m zm∞nßm. Podφvejme se na obr. 5. Bod s hodnotou jednΘ poloviny, tedy intenzita 128, se p°esune do jednΘ Φtvrtiny. Dojde tedy ke snφ₧enφ intenzity. Proto₧e k°ivka je spojitß, dojde k p°esunutφ i dalÜφch hodnot. V podstat∞ jedinΘ dv∞ hodnoty, kterΘ z∙stßvajφ na svΘm mφst∞, jsou 0 a 255. VÜe, co m∙₧eme provΘst pomocφ p°φm²ch zßsah∙ do histogramu, m∙₧eme docφlit i pomocφ k°ivek. Nap°φklad p°esun bφlΘho bodu o jednu Φtvrtinu sm∞rem k tmavÜφm hodnotßm odpovφdß posunu maximßlnφ intenzity k°ivek sm∞rem doleva (obr. 6). VÜimn∞me si, ₧e pokud se zv∞tÜφ gradient k°ivky, dojde i k odpovφdajφcφmu zv²Üenφ intenzity ovlivn∞n²ch pixel∙ a naopak.
Na druhou stranu existujφ zm∞ny, kter²ch lze docφlit pouze pomocφ k°ivek, a ne pomocφ p°φm²ch zßsah∙ do histogramu. Nejd∙le₧it∞jÜφ z nich je tzv. S-k°ivka a inverznφ S-k°ivka. Pomocφ S-k°ivky zvyÜujeme kontrast obrazu a naopak (obr. 7a, b).
Ost°enφ a rozmazßnφ
DalÜφ d∙le₧itou globßlnφ zm∞nou obrazu je jeho ost°enφ Φi rozmazßnφ. Bez pou₧itφ stativu se mßlokdy poda°φ udr₧et fotoaparßt p°i fotografovßnφ bez pohnutφ, a tak je obraz skoro v₧dy malinko rozmazan². LidskΘ oko je citlivΘ na hrany v obraze, podle hran rozpoznßvßme objekty, a tak je jejich degradace i podstatnou ·jmou na vizußlnφ kvalit∞ obrazu. Ost°enφ obyΦejn∞ spoΦφvß ve zv²razn∞nφ hran v obraze. Nejprve se detekujφ vÜechny hrany, a ty se do obrazu jednoduÜe p°iΦtou. Pom∞rn∞ mocn²m (i kdy₧ malinko komplikovan²m) nßstrojem ve Photoshopu je funkce Unsharp Mask, kterß vyhodnocuje okolφ pixelu, poΦφtß jeho statistiku a na jejφm zßklad∞ m∞nφ i jeho hodnotu. ObyΦejn∞ se nevyplßcφ pou₧φvat ost°enφ opakovan∞, nebo¥ aplikace t∞chto funkcφ vedou k duplikaci hran a dalÜφm negativnφm zm∞nßm.
Rozmazßnφ obrazu je jednou ze zßkladnφch funkcφ pro odstra≥ovßnφ Üumu. èum a vlastn∞ veÜkerß vysokofrekvenΦnφ informace v obraze (tedy i hrany) se jednoduÜe rozpt²lφ do svΘho okolφ. Jednφm z vynikajφcφch operßtor∙ pro odstra≥ovßnφ Üumu je tzv. filtr medißn, kter² op∞t spoΦφvß ve statistice okolφ pixelu. Rozmazßnφ pohybem (motion blur) m∙₧e odstranit n∞kterΘ chyby vzniklΘ t°esoucφ se rukou p°i dlouhΘ expozici.
Pou₧itφ t∞chto filtr∙ demonstrujφ obr. 8a a₧ c. Na prvnφm je rozmazan² obrßzek, prost°ednφ je mφrn∞ barevn∞ upraven² originßl a t°etφ po ·prav∞ ost°enφm.
Zm∞na rozm∞ru, digitßlnφ zoom
Jednou z nejΦast∞jÜφch operacφ je zm∞na velikosti obrazu. Pro tuto operaci je v₧dy zapot°ebφ provΘst tzv. p°evzorkovßnφ. Digitßlnφ obraz je definovßn jen v diskrΘtnφch hodnotßch - konkrΘtn∞ se p°esn∞ zm∞°φ hodnota pixelu v jeho prost°edku a ta se pak p°i°adφ celΘ ploÜce pixelu. Pokud obraz zv∞tÜujeme Φi zmenÜujeme, musφ se novΘ hodnoty ve st°edech pixel∙ n∞jak vypoΦφtat. Proto se obraz musφ nejprve p°evΘst do spojitΘho popisu a musφ se vzorkovat znovu. Jde o dob°e znßm² problΘm z teorie vzorkovßnφ a Φtenß°e zajφmajφcφ se o detailnφ pochopenφ tΘto problematiky odkazuji na literaturu podle uvedenΘho seznamu.
Novß hodnota pixelu se musφ vypoΦφtat z existujφcφch hodnot. Pro tyto ·Φely se pou₧ije okolφ pixelu a zde vstupujφ v ·vahu t°i podstatnΘ zßle₧itosti - jak velkΘ okolφ se pou₧ije, jak²m zp∙sobem se novß hodnota vypoΦφtß a jakΘ je uspo°ßdßnφ pixel∙ v m°φ₧ce. Zcela nejv²hodn∞jÜφ uspo°ßdßnφ je do mozaiky, podobn∞ jako v oku hmyzu - sousednφ pixely jsou toti₧ od sebe stejn∞ daleko. V praxi vÜak obyΦejn∞ mßme k dispozici CCD s klasick²m rozlo₧enφm prvk∙. Obecn∞ Φφm vφce pixel∙ se pou₧ije, tφm lepÜφch v²sledk∙ se dosßhne. NejΦast∞jÜφm p°φpadem, kter² dßvß velmi kvalitnφ v²sledky, je bikubickß interpolace (zde se interpoluje spline plochou v obou sm∞rech stupn∞ t°i). V n∞kter²ch programech (ACDSee) se m∙₧eme setkat s Lanczosov²m filtrem Φi s Mitchelovou interpolacφ. Obecn∞ jde o varianty interpolace vyu₧φvajφcφ okolφ Üestnßcti pixel∙ s tφm, ₧e n∞kterΘ z nich mohou obraz malinko ztmavit. V₧dy se vyplatφ aplikovat vÜechny t°i filtry a v²sledek porovnat. Obecn∞ nejzßsadn∞jÜφm problΘmem je to, ₧e vÜechny zm∞ny velikosti obraz rozmazßvajφ. Pokud tedy chceme obraz ve velikosti 800 x 600 pixel∙, je nejlepÜφ ho tak vyfotografovat.
Co je to digitßlnφ zoom, jφm₧ se honosφ tolik fotoaparßt∙? Nejde o nic jinΘho ne₧ o zm∞nu velikosti obrazu pomocφ n∞jakΘ interpolace. Tato interpolace nem∙₧e do obrazu p°inΘst ₧ßdnou novou informaci, a proto jde jen o trik. Obrßzek se vyfotografuje v maximßlnφm mo₧nΘm rozliÜenφ a potom se um∞le zv∞tÜφ. Je tedy lepÜφ zv∞tÜit ho v n∞jakΘm programu, Φi rad∞ji pou₧φt firmware aparßtu? CCD nesnφmß pixely p°φmo, ale pixely se vypoΦφtßvajφ v₧dy ze Φty° (t°φ) sousednφch bun∞k. P°ed ka₧dou bu≥kou CCD snφmaΦe je barevn² filtr a hodnota pixelu se vypoΦφtßvß jako vß₧en² pr∙m∞r t∞chto bun∞k. Pokud obraz zv∞tÜφme v n∞jakΘm programu, provßdφme vlastn∞ ·pravy dv∞ - p°evod z bun∞k CCD na pixely obrazu a nßsledn∞ zv∞tÜenφ. Zv∞tÜenφ p°φmo v aparßtu aplikuje zoom p°φmo na bu≥kßch CCD, jde tedy o adaptivnφ zoom vyu₧φvajφcφ vlastnosti CCD. Zoom pomocφ firmwaru aparßtu bude z°ejm∞ v₧dy poskytovat lepÜφ v²sledky - nejde tedy o pl²tvßnφ.
Na zßv∞r jedna poznßmka: N∞kterΘ lepÜφ aparßty poskytujφ jako alternativnφ formßt obraz∙ RAW. Jsou to data sejmutß p°φmo z CCD a obyΦejn∞ je dokß₧φ zpracovßvat pouze programy dodßvanΘ s fotoaparßtem. To je nesmφrnß v²hoda, proto₧e programy v poΦφtaΦi jsou vlastn∞ implementacφ firmwaru, kterou je mo₧no vym∞nit za novou verzi.
Lokßlnφ zm∞ny
Globßlnφ ·pravy obrazu se aplikujφ v₧dy na obraz jako celek. V n∞kter²ch p°φpadech pot°ebujeme provΘst n∞jakΘ zm∞ny pouze v urΦitΘm mφst∞ - notoricky znßm²m p°φpadem je korekce Φerven²ch oΦφ, zp∙soben²ch odrazem sv∞tla blesku od sφtnice. Lokßlnφ zm∞ny m∙₧eme provßd∞t pomocφ dvou zßkladnφch metod - v²b∞rem a aplikacφ zm∞ny globßlnφ jen na vybranou Φßst, nebo pomocφ r∙zn²ch nßstroj∙, kter²mi program disponuje.
Programy jako Photoshop Φi Corel PHOTO-PAINT disponujφ velk²m mno₧stvφm celkem zajφmav²ch nßstroj∙ pro lokßlnφ ·pravy obrßzk∙. Jednφm z velice u₧iteΦn²ch je tzv. klonovacφ nßstroj, kter² slou₧φ ke kopφrovßnφ oblastφ obrazu z jednoho mφsta na jinΘ. Podφvejme se, jak tento nßstroj pracuje. Na obrßzku je poÜkrßbanß fotografie. Vzhledem k tomu, ₧e pozadφ je celkem jednoduchΘ, je nejjednoduÜÜφ mo₧nostφ editace tΘto vady p°enesenφ pixel∙ z blφzkΘho okolφ. Toho docφlφme snadno prßv∞ klonovacφm nßstrojem - zvolφme klonovacφ nßstroj a se stisknut²m tlaΦφtkem Alt klepneme na oblast, kterß se mß p°enΘst - potΘ jen aplikujeme zm∞nu. Jinou aplikacφ je odstran∞nφ "nevhodnΘ" osoby z fotografie atp.
Mezi lokßlnφ operace pat°φ p°edevÜφm mφstnφ ost°enφ Φi rozmazßnφ, r∙znΘ "Ümudlßnφ", zm∞ny barevnΘho t≤nu aj. Zßkladnφm rozdφlem mezi aplikacφ globßlnφ operace na v²b∞r a aplikacφ v∞tÜiny zb²vajφcφch funkcφ je v prvnφ °ad∞ mφra interaktivity (lokßlnφ ·pravy se znßsobujφ opakovan²m klepnutφm), v druhΘ °ad∞ mo₧nost nastavenφ slßbnutφ vlivu funkce na okraji oblasti.
Spojovßnφ fotografiφ
Poslednφ ·pravou, kterou uvedeme, je spojovßnφ fotografiφ. N∞kterΘ digitßlnφ fotoaparßty disponujφ funkcemi pro tvorbu panoramatick²ch fotografiφ, ale v mnoha p°φpadech se neobejdeme bez ruΦnφho spojenφ. P°φkladem mohou b²t skenovanΘ fotografie Φi skenovanΘ mapy.
Fotografie se musejφ v prvnφ °ad∞ p°ekr²vat. Pokud neobsahujφ spoleΦnΘ prvky, je jejich napojenφ velice obtφ₧nΘ. Ob∞ fotografie barevn∞ upravφme tak, aby spolu barevn∞ ladily zejmΘna v Φßsti, kterß je spoleΦnß, a potΘ je otev°eme v n∞jakΘm programu, kter² disponuje pracφ ve vrstvßch a p°edevÜφm pr∙hlednostφ. Polo₧φme do v²sledku prvnφ z obou obrßzk∙. Potom vlo₧φme druh², ale nastavφme jeho pr∙hlednost tak, aby bylo vid∞t pozadφ. Nynφ se pokusφme oba obrßzky umφstit tak, aby na sebe pokud mo₧no p°esn∞ navazovaly. V mnoha p°φpadech se neobejdeme bez perspektivnφ korekce obraz∙. Pokud je vÜe v po°ßdku, nastavφme pr∙hlednost obrßzku v pop°edφ na nulu a vÜe o°φzneme do po₧adovanΘ velikosti. V n∞kter²ch p°φpadech jsou obrßzky barevn∞ rozlad∞nΘ nebo je vid∞t ostr² p°echod mezi vrstvami, tak₧e se vyplatφ p°echod malinko rozmazat.
Zßv∞r
Mo₧nosti ·prav digitßlnφch fotografiφ v poΦφtaΦi jsou tak ÜirokΘ, ₧e jsme se s nimi v tomto pokraΦovßnφ dokßzali jen letmo seznßmit. Proto se k tomuto tΘmatu jeÜt∞ vrßtφme a uvedeme p°φklady n∞kter²ch pokroΦilejÜφch technik.
Bed°ich BeneÜ
Infotipy:
www.digineff.cz
www.fotografovani.cz/df
www.grafika.cz/photo/
www.paladix.cz
www.zive.cz/h/Fotoavideo/
Glassner, A.: Principles of Digital Image Synthesis volume I and II. Morgan Kaufman Publishers, 1995.
Gonzales, R. C., Wintz, P.: Digital Image Processing, second edition. Addison-Wesley, Reading,1987.
