ഫോഗ്രാഫുകളുടെ ഭംഗിയും നിലവാരവും എപ്പോഴും ക്യാമറകളുടെ വിലയിൽ മാത്രം അധിഷ്ഠിതമല്ല; കാരണം ക്യാമറകളല്ല ചിത്രങ്ങൾ എടുക്കുന്നത് എന്നതു തന്നെ! ഒരു നല്ല ഫോട്ടോ ജനിക്കുന്നത് പ്രതിഭാധനനായ ഒരു ഫോട്ടോഗ്രാഫറുടെ മനസ്സിലാണ്.

Thursday, February 21, 2008

പാഠം 8 : സെന്‍സര്‍ സൈസ്‌ സ്പെസിഫിക്കേഷനുകള്‍

സെന്‍സറുകളുടെ പ്രവര്‍ത്തനരീതി കഴിഞ്ഞ പോസ്റ്റില്‍ നാം മനസ്സിലാക്കി. ഇനി ചര്‍ച്ച ചെയ്യാനുള്ള വിഷയങ്ങള്‍, റെസലൂഷന്‍, ഡൈനാമിക്‌ റേഞ്ച്‌, നോയിസ്‌, ISO സെറ്റിംഗുകള്‍, സൂം, തുടങ്ങിയ കാര്യങ്ങളാണ്‌. നമുക്കറിയാം ഇന്ന് മാര്‍ക്കറ്റില്‍ ഒട്ടനവധി മോഡലുകളില്‍ ക്യാമറകള്‍ ലഭ്യമാണ്‌. അവയോരോന്നിന്റെയും സ്പെസിഫിക്കേഷനുകളും വ്യത്യസ്തമാണ്‌. ഒരു ക്യാമറവാങ്ങണം എന്നാഗ്രഹിച്ച്‌ അതിന്റെ ഗുണഗണങ്ങളൊക്കെ വായിച്ചും പഠിച്ചും അവസാനം പണവുമായി മാര്‍ക്കറ്റില്‍ എത്തുമ്പോഴേക്കും അടുത്തമോഡല്‍ ഇറങ്ങിക്കഴിഞ്ഞു! അപ്പോള്‍ വീണ്ടും ചിന്തയായി - ഇതോ അതോ നല്ലത്‌?

സ്പെസിഫിക്കേഷനുകളില്‍ മാത്രമല്ല ക്യാമറയുടെ വലിപ്പത്തിലും വ്യത്യാസങ്ങളുണ്ട്‌. പോക്കറ്റില്‍ ഒതുങ്ങുന്ന 12 മെഗാപിക്സല്‍ ക്യാമറമുതല്‍ ഒരു ബാഗില്‍ മാത്രം ഒതുക്കാവുന്ന SLR ക്യാമറകള്‍ വരെ. പോക്കറ്റ്‌ ക്യാമറകളില്‍ 12x സൂം ഒരു ചെറിയ ലെന്‍സില്‍ ഒതുക്കുമ്പോള്‍ അതേ സൂം SLR ല്‍ കിട്ടണമെങ്കില്‍ പുട്ടുകുറ്റിപോലെ നീളമുള്ള ലെന്‍സ്‌ വേണം! ചിലക്യാമറയിലെ ചിത്രങ്ങള്‍, കംപ്യൂട്ടര്‍ സ്ക്രീനിന്റെ 200% സൈസിനു മുകളിലേക്കൊന്നു വലുതാക്കി സ്ക്രീനില്‍ കണ്ടാല്‍ പിക്സലുകള്‍ കാണാറായി. എന്നാല്‍ മറ്റുചിലതില്‍ 400% വരെയയാലും ചിത്രം വ്യക്തം. ചിലതില്‍ നല്ല വെളിച്ചമില്ലാത്തപ്പോളെടുക്കുന്ന ചിത്രങ്ങളില്‍ നിറയെ പലകളറിലുള്ള മൊസൈക്‌ പാറ്റേണുകള്‍, ചിലവയില്‍ അതില്ലേയില്ല. ഇതെന്താണീ വ്യത്യാസങ്ങള്‍ക്കു കാരണം? എല്ലാത്തിന്റെയും ഉത്തരം എത്തിനില്‍ക്കുന്ന അവസാന പോയിന്റ്‌ ഒന്നു തന്നെ - സെന്‍സറുകളുടെ വലിപ്പം. അതുകൊണ്ട്‌ ഏതുക്യാമറ വേണം എന്നു തീരുമാനിക്കാന്‍ മാത്രമല്ല, ഇനി വരുന്ന പോസ്റ്റുകളുടെ അടിസ്ഥാനം എന്ന നിലയില്‍കൂടി ഈ കൊച്ചു പോസ്റ്റ്‌ പ്രാധാന്യമര്‍ഹിക്കുന്നു.


ഒരു ക്യാമറയുടെ സ്പെസിഫിക്കേഷനുകള്‍ നോക്കിയാല്‍, അതില്‍ സെന്‍സര്‍ എന്നതിന്റെ നേര്‍ക്ക്‌ ചില നമ്പരുകള്‍ ശ്രദ്ധിച്ചിട്ടില്ലേ? ഒരു ഉദാഹരണം. Sony DSC H9 എന്ന പോയിന്റ്‌ & ഷൂട്ട്‌ ക്യാമറയുടെ സ്പെസിഫിക്കേഷനില്‍ സെന്‍സറിനു നേര്‍ക്ക്‌ ഇങ്ങനെകാണാം. 1/2.5" Type CCD, 8.1 million effective pixels എന്നുപറഞ്ഞാല്‍ അതിനര്‍ത്ഥം ഈ ക്യാമറയുടെ സെന്‍സര്‍ 1/2.5" എന്ന ടൈപ്പാണെന്നും, അതില്‍ എണ്‍പത്തൊന്നു ലക്ഷം (8.1 മെഗാപിക്സല്‍) പിക്സലുകള്‍ നിരത്തിവച്ചിട്ടുണ്ടെന്നും ആണ്‌. ഇതില്‍ 1/2.5" എന്ന നമ്പര്‍ സെന്‍സറിന്റെ സൈസിനെക്കുറിക്കുന്നു. അത്യന്തം തെറ്റിദ്ധാരണാജനകമായ ഒരു നമ്പറിംഗ്‌ രീതിയാണ്‌ ഇന്നത്തെ ക്യാമറ സെന്‍സറുകള്‍ക്കുള്ളത്‌. ഇതിനു കാരണം, സെന്‍സര്‍ ടൈപ്പിനെ കുറിക്കുന്ന നമ്പറുകള്‍ക്ക്‌ ക്യാമറയുടെ സെന്‍സറിന്റെ വലിപ്പവുമായി പ്രത്യേകിച്ച്‌ ഗണിതശാസ്ത്രരീതിയില്‍ ബന്ധമൊന്നും ഇല്ല എന്നതിനാലാണ്‌. ഉദാഹരണം, 1/2.5" എന്നതിനെ മില്ലീമീറ്ററില്‍ ആക്കിയാല്‍ 10.1 mm എന്നു കിട്ടും. ഇതുകണ്ട്‌ സെന്‍സറിന്റെ വലിപ്പം 10.1mm അല്ലെങ്കില്‍ ഒരു സെന്റീമീറ്റര്‍ ആണെന്നു വിചാരിച്ചാല്‍ തെറ്റി! 1/2.5" റ്റൈപ്പ്‌ സെന്‍സറിന്റെ യഥാര്‍ത്ഥവലിപ്പം 4.29mm x 5.76 mm മാത്രം!


1950 കളില്‍ ടി.വി.ക്യാമറകളുടെ പിക്ചര്‍ ട്യൂബുകള്‍ നാമകരണം ചെയ്തിരുന്നത്‌ ഒരു പ്രത്യേക രീതിയിലായിരുന്നു. ട്യൂബുകളുടെ സൈസുകള്‍ 1/2", 2/3" എന്നിങ്ങനെയായിരുന്നു വിവക്ഷിച്ചിരുന്നത്‌. വൃത്താകൃതിയിലുള്ള ഈ ട്യൂബുകളുടെ മധ്യഭാഗത്തുള്ള ഏകദേശം 2/3 ഏരിയയില്‍ വീഴുന്ന ചിത്രങ്ങളായിരുന്നു, പ്രായോഗികമായി ടി.വിയില്‍ എത്തിയിരുന്നത്‌. കാലം മാറി, സാങ്കേതികവിദ്യകള്‍ മാറി, ടി.വി.ട്യൂബുകള്‍ സെന്‍സറുകള്‍ക്കു വഴിമാറി - എന്നിട്ടും എന്തുകൊണ്ടോ ട്യൂബുകളുടെ സൈസുകള്‍ വിവക്ഷിച്ചിരുന്ന രീതി (പേര്‌) മാത്രം മാറ്റാന്‍ ആരും ഒരുമ്പെട്ടില്ല!! അതിന്നും അങ്ങനെതന്നെ നില്‍ക്കുന്നു. അതിനാലാണ്‌ സെന്‍സര്‍ സ്പെസിഫിക്കേഷനുകള്‍ ഇന്നും ആ രീതിയില്‍ പറയുന്നത്‌ - സെന്‍സറിന്റെ യഥാര്‍ത്ഥ വലിപ്പവുമായി ഇതിനു പ്രത്യേക ബന്ധമൊന്നും ഇല്ലെങ്കിലും.


താഴെക്കൊടുത്തിരിക്കുന്ന ടേബിളില്‍ ഇന്ന് ഉപയോഗത്തിലുള്ള സെന്‍സര്‍ ടൈപ്പുകളുടെ സൈസുകള്‍ വിശദീകരിച്ചിരിക്കുന്നു. (മൂന്നാമത്തെ കോളത്തിലുള്ള ഡയഗണല്‍ സൈസ്‌, കോണോടുകോണുള്ള വലിപ്പമാണ്‌). അവസാന കോളത്തില്‍ സെന്‍സറുകളുടെ വിസ്തീര്‍ണ്ണവും (നീളം x വീതി = വിസ്തീര്‍ണ്ണം) കൊടുത്തിരിക്കുന്നു.
















ഇതില്‍ 1/2.5“ Point & Shoot ക്യാമറകളിലും, 1.8“ SLR ക്യാമറകളിലും ഇന്ന് ഏറ്റവും കൂടുതല്‍ ഉപയോഗിക്കുന്നു. ഇതില്‍ 1.8“ സെന്‍സറുകളെ APS സെന്‍സറുകള്‍ എന്നും വിളിക്കാറുണ്ട്.

താഴെയുള്ള ടേബിളില്‍, ഇന്ന് മാര്‍ക്കറ്റില്‍ ലഭ്യമായ കുറെ ക്യാമറ മോഡലുകളും അവയുടെ സെന്‍സര്‍ സൈസുകളും, അവയില്‍ ഓരോന്നിലും ഉള്‍ക്കൊള്ളിച്ചിരിക്കുന്ന പിക്സലുകളുടെ എണ്ണവും നല്‍കിയിരിക്കുന്നു.













സെന്‍സറുകളുടെ വലിപ്പവുമായി ബന്ധപ്പെട്ട്‌ ഓര്‍ത്തിരിക്കേണ്ട പ്രധാന വസ്തുതകള്‍ താഴെപ്പറയുന്നവയാണ്‌.

വലിയ സെന്‍സര്‍

- വലിയ പിക്സലുകള്‍, തന്മൂലം കൂടുതല്‍ Details
- കൂടുതല്‍ വ്യക്തതയുള്ള ചിത്രങ്ങള്‍. ചിത്രത്തിന്റെ തെളിമ കുറയാതെ കൂടുതല്‍ മാഗ്നിഫിക്കേഷന്‍ സാധ്യം.
- ചിത്രത്തിന്റെ ചെറിയ ഭാഗങ്ങള്‍ ക്രോപ്പ്‌ ചെയ്ത്‌ ഉപയോഗിച്ചാലും നല്ല വ്യക്തത.
- നോയിസ്‌ കുറവ്‌, ഉയര്‍ന്ന ISO സെറ്റിംഗുകള്‍ സാധ്യമാണ്‌.
- വലിയ ക്യാമറ വലിയ ലെന്‍സ്‌ എന്നിവ ആവശ്യം.
- വിലകൂടുതല്‍, സെന്‍സറിനും ക്യാമറയ്ക്കും.
- ഫോട്ടോഗ്രാഫി പ്രൊഫഷനലുകള്‍ക്കും, SLR ക്രിയേറ്റീവ്‌ ഫോട്ടോഗ്രാഫിയില്‍ പരീക്ഷണങ്ങള്‍ ആഗ്രഹിക്കുന്നവര്‍ക്കും, ക്യാമറ ബഡ്‌ജറ്റ്‌ സാരമാക്കാത്തവര്‍ക്കും അനുയോജ്യം


ചെറിയ സെന്‍സറുകള്‍

- ക്യാമറകളുടെ വലിപ്പം കുറവ്‌, വളരെ ചെറിയ ലെന്‍സുകള്‍ ഉപയോഗിക്കാം.
- വിലക്കുറവ്‌, സെന്‍സറിനും, ക്യാമറയ്ക്കും.
- സാധാരണ ഫോട്ടോഗ്രാഫിക്കും, കുറഞ്ഞ ബഡ്‌ജറ്റുള്ളവര്‍ക്കും അഭികാമ്യം.
- പിക്സലുകളുടെ വലിപ്പം വളരെ കുറവ്‌. തന്മൂലം അവ ഉള്‍ക്കൊള്ളുന്ന Details ഉം കുറവ്‌.
- പിക്സലുകളുടെ സൈസ്‌ കുറച്ചുകൊണ്ട്‌ കൂടുതല്‍ പിക്സല്‍ കൗണ്ടും റെസലൂഷനും കാണിക്കുവാന്‍ സാധിക്കുമെങ്കിലും, ചിത്രങ്ങളുടെ വ്യക്തത വലിയ സെന്‍സറുകളേക്കാല്‍ വളരെ കുറവ്‌
- കൂടുതല്‍ നോയിസ്‌, കുറഞ്ഞ ISO സെറ്റിംഗുകള്‍ മാത്രം സാധ്യം (ഉയര്‍ന്ന ISO സെറ്റിംഗുകള്‍ സാധ്യമെങ്കിലും ചിത്രത്തിന്റെ വ്യക്തത Noise reduction ന്റെ ബാക്കിപത്രമായി വളരെ കുറയുന്നു)


ഈ പോസ്റ്റിന്റെ തുടക്കത്തില്‍ പറഞ്ഞതുപോലെ, ഇനി വരുന്ന പോസ്റ്റുകളുടെ ഒരു ആമുഖമാണ്‌ ഈ പോസ്റ്റ്‌. ഇതില്‍ പറഞ്ഞിരിക്കുന്ന കാര്യങ്ങളിലേക്ക്‌ പലപ്പോഴും തിരികെയെത്തേണ്ടതായി വരും.

ഒരു അറിയിപ്പ്: പാഠം 5 - ക്യാമറ എത്ര മെഗാപിക്സല്‍ വേണം എന്ന പോസ്റ്റ്‌ ഒന്ന് അപ്ഡേറ്റ്‌ ചെയ്തിട്ടുണ്ട്‌. താല്‍പര്യമുള്ളവര്‍ അത്‌ ഒന്നുകൂടി വായിച്ചു നോക്കുക.


Camera, Canon, Nikon, Fujifilm, Olympus, Kodak, Casio, Panasonic, Powershot, Lumix, Digital Camera, SLR, Megapixel, Digital SLR, EOS, SONY, Digial zoom, Optical Zoom

Read more...

Tuesday, February 5, 2008

പാഠം 7 : ബ്ലാക്ക്‌ & വൈറ്റില്‍നിന്നും കളറിലേക്ക്‌

ഒരു ക്യാമറ സെന്‍സര്‍ അതിലേക്ക്‌ വീഴുന്ന പ്രകാശത്തെ എങ്ങനെയാണ്‌ ഡിജിറ്റല്‍ ഡേറ്റയാക്കി മാറ്റുന്നതെന്ന് കഴിഞ്ഞ പോസ്റ്റുകളില്‍ വിവരിച്ചു. പക്ഷേ ഒരു കാര്യം അവിടൊക്കെയും നിങ്ങള്‍ ശ്രദ്ധിച്ചുകാണും, പ്രകാശത്തെ വൈദ്യുത സിഗ്നലുകളായി മാറ്റുന്ന ഈ പ്രവര്‍ത്തനത്തിനിടയിലൊരിടത്തും നിറവുമായി ബന്ധപ്പെട്ട ഒരു പ്രവര്‍ത്തനങ്ങളും നടക്കുന്നില്ല. അതായത്‌ ക്യാമറയുടെ സെന്‍സര്‍ കാണുന്ന ചിത്രം നിറമില്ലാത്തതാണ്‌ - monochromatic എന്നുപറയും, സാങ്കേതികമായി. പിന്നെയെങ്ങനെയാണ്‌ നമ്മുടെ ഡിജിറ്റല്‍ ക്യാമറ ഇത്രയധികം സ്വാഭവികതയോടെ കളര്‍ചിത്രങ്ങള്‍ നല്‍കുന്നത്‌? അവിടെയാണ്‌ ഫില്‍റ്ററുകള്‍ കടന്നുവരുന്നത്‌.


എന്താണു ഫില്‍റ്ററുകള്‍? കുട്ടിക്കാലത്ത്‌ ചിലരെങ്കിലും ഉത്സവപ്പറമ്പുകളില്‍നിന്ന് നിറമുള്ള കണ്ണടകള്‍ വാങ്ങിയുട്ടുണ്ടാവുമല്ലോ - ചുവപ്പും, പച്ചയും, മഞ്ഞയും നിറമുള്ള കുട്ടിക്കണ്ണടകള്‍. അതുവച്ചുനോക്കിയാല്‍ പിന്നെ കാണുന്നതെല്ലാം അതേ നിറം. അല്‍പം കൂടികൃത്യമായിപ്പറഞ്ഞാല്‍ കണ്ണടയുടെ നിറത്തിലുള്ള വസ്തുക്കള്‍ അതേ നിറത്തില്‍ കാണപ്പെടുകയും, മറ്റുവസ്തുക്കള്‍ കണ്ണടയുടെ നിറവുമായി ബന്ധമുള്ള വ്യത്യസ്ത ഷേഡുകളായി കാണപ്പെടും ചെയ്യും. ഇതുപോലെ സെന്‍സറിലെ ഓരോ പിക്സലിനേയും - ശ്രദ്ധിക്കുക സെന്‍സറിനെ അല്ല, അതിലെ ലക്ഷക്കണക്കിനുള്ള പിക്സലുകളോരോന്നിനേയും - വ്യത്യസ്തങ്ങളായ നിറത്തിലുള്ള കണ്ണടകള്‍ ധരിപ്പിക്കുന്നു! ഈ കണ്ണടകളെയാണ്‌ ഫില്‍റ്ററുകള്‍ എന്നു വിളിക്കുന്നത്‌.


ഏതെങ്കിലും നിറത്തിലുള്ള ഫില്‍റ്ററുകളല്ല ക്യാമറകളില്‍ ഉപയോഗിക്കുന്നത്‌. പ്രകാശത്തിലെ പ്രാഥമിക വര്‍ണ്ണങ്ങളായ (Primary colours) ചുവപ്പ്‌, നീല, പച്ച എന്നിവയുടെ ഏറ്റവും സ്റ്റാന്റാര്‍ഡ്‌ വര്‍ണ്ണങ്ങളിലുള്ള ഫില്‍റ്ററുകളാണ്‌ ഇന്നു ഡിജിറ്റല്‍ ക്യാമറകളില്‍ ഉപയോഗിക്കുന്നത്‌. ഇവയുടെ ക്രമീകരണത്തിലും പ്രത്യേകതയുണ്ട്‌. ബായര്‍ ഫില്‍റ്റര്‍(Bayer Filter) എന്നറിയപ്പെടുന്ന ഫില്‍റ്ററുകളാണ്‌ ഇന്ന് മിക്കവാറും എല്ല ഡിജിറ്റല്‍ ക്യാമറകളിലും നിലവിലുള്ളത്‌. ബയര്‍ ഫില്‍റ്ററുകള്‍ കണ്ടുപിടിച്ച ഡോ. ബ്രൈസ്‌ ബായര്‍ (Dr. Brice E. Bayer) എന്ന കൊഡാക്‌ (Eastman Kodak Company) എഞ്ചിനീയറുടെ പേരിലാണ്‌ ഇവ അറിയപ്പെടുന്നത്‌.


സെന്‍സറുകളിലെ പിക്സലുകള്‍ നിരനിരയാണ്‌ അടുക്കിയിരിക്കുന്നത്‌ എന്നോര്‍മ്മയുണ്ടല്ലോ. ഈ പിക്സലുകള്‍ക്കു മുകളില്‍ ബായര്‍ പാറ്റേണില്‍ ഫില്‍റ്ററുകള്‍ അടുക്കിയിരിക്കുന്ന വിധം താഴെപ്പറയുന്ന രീതിയിലായിരിക്കും. എഴുതാനുള്ള സൗകര്യാര്‍ത്ഥം നമുക്ക്‌ തല്‍ക്കാലം പ്രാഥമിക വര്‍ണ്ണങ്ങളെ R, G, B - അതായത്‌ Red, Green, Blue - എന്നെഴുതാം. ഒന്നാം നിരയിലെ ഫില്‍റ്ററുകള്‍ BGBGBGBG എന്നാണെങ്കില്‍ അടുത്തനിരയിലേത്‌ GRGRGRGR എന്നായിരിക്കും. താഴെക്കൊടുത്തിരിക്കുന്ന ചിത്രത്തില്‍ ഇത്‌ കൂടുതല്‍ വ്യക്തമാക്കിയിരിക്കുന്നു.













കടപ്പാട് : Wikipedia commons


ഇങ്ങനെയൊരു ഫില്‍റ്റര്‍ പാറ്റേണില്‍ ഒരു കാര്യം ശ്രദ്ധിക്കുക. 50% പച്ച പാറ്റേണുകളും, ബാക്കി 25% വീതം ചുവപ്പും നീലയും പാറ്റേണുകളും ആണ്‌. മനുഷ്യനേത്രങ്ങള്‍ക്ക്‌ ഏറ്റവും പ്രതികരണശേഷിയുള്ളത്‌ പച്ച നിറത്തോടാണത്രേ. അതിനാല്‍ പച്ചയിലുണ്ടാകുന്ന ചെറിയ വ്യത്യാസങ്ങള്‍പോലും നമ്മുടെ കണ്ണുകള്‍ക്ക്‌ വളരെ പ്രകടമായി മനസ്സിലാവും. അതിനാലാണ്‌ ബായര്‍ പാറ്റേണില്‍ പച്ചനിറത്തിലെ ഫില്‍റ്ററുകള്‍ കൂടുതലായുള്ളത്‌. ഇതുകൊണ്ട്‌, കിട്ടുന്ന കളര്‍ ചിത്രം കൂടുതല്‍ പച്ചയായി തോന്നുകയൊന്നുമില്ല കേട്ടോ - കാരണം സെന്‍സര്‍ പ്രതലങ്ങള്‍ മില്യണ്‍ കണക്കില്‍ പിക്സലുകളാല്‍ നിറഞ്ഞതാണല്ലോ.


ഫില്‍റ്ററുകളോടൊപ്പം, അവയുടെ നിര്‍മ്മാണ ഘട്ടത്തില്‍ത്തന്നെ ചേര്‍ത്തിരിക്കുന്ന മറ്റൊരു ഘടകമാണ്‌ മൈക്രോ ലെന്‍സുകള്‍. പേരുസൂചിപ്പിക്കുന്നതുപോലെ, ഓരോ കളര്‍ ഫില്‍റ്ററിനും മുകളില്‍ (ഒരോ പിക്സലിനും ഓരോന്നു വീതം) അതിസൂക്ഷമ ലെന്‍സുകളും ഉണ്ട്‌! കടന്നുവരുന്ന പ്രകാശത്തെ, ചാഞ്ഞും ചെരിഞ്ഞും പോകാതെ നേരെ പിക്സലിലെ ഫോട്ടോസൈറ്റിലേക്ക്‌ വീഴിക്കുകയാണ്‌ ഈ കുഞ്ഞന്‍ ലെന്‍സുകളുടെ ജോലി! അതായത്‌ ക്യാമറ ലെസിലൂടെ കടന്നുവരുന്ന പ്രതിബിംബം (പ്രതിബിംബം നിര്‍മ്മിക്കുന്ന പ്രകാശരശ്മികള്‍) ആദ്യം സെന്‍സറിലെ മൈക്രോലെന്‍സുകളില്‍ക്കൂടെ കടന്ന് അതിനു താഴെയിരിക്കുന്ന ഫില്‍റ്ററില്‍കൂടി കടന്നുപോകുന്നു.











ഒരു ഡിജിറ്റല്‍ സെന്‍സറിന്റെ പരിഛേദം : ഏറ്റവും മുമ്പില്‍ മൈക്രോലെന്‍സുകള്‍, അതിനു പിന്നിലായി ഫില്‍റ്ററുകള്‍, അതിനും പിന്നിലായി ലൈറ്റ് സെന്‍സിറ്റീവ് പിക്സലുകള്‍



ഫില്‍റ്റര്‍ എന്താണു ചെയ്യുന്നത്? ഫില്‍റ്റര്‍ എന്ന വാക്കിന്റെ അര്‍ത്ഥമറിയാമാല്ലോ? - അരിപ്പ എന്നു മലയാളത്തില്‍ പറയാം. ഈ കളര്‍ അരിപ്പകള്‍ പ്രകാശത്തെയാണ് അരിച്ചുമാറ്റുന്നത്‌. പ്രകാശത്തിന്‌ ഏഴുവര്‍ണ്ണങ്ങളുണ്ടെന്ന് അറിയാമല്ലോ, അവയിലെ പ്രാഥമിക വര്‍ണ്ണങ്ങളാണ്‌ ചുവപ്പും, പച്ചയും, നീലയും. നമ്മുടെ ഫില്‍റ്ററുകളുടെ നിറവും ഇതുതന്നെ. ചുവപ്പു ഫില്‍റ്റര്‍ ചുവപ്പുനിറമുണ്ടാക്കുന്ന ഫോട്ടോണുകളെ മാത്രം അതില്‍ കൂടി കടത്തിവിടും, ബാക്കിയുള്ള ഫോട്ടോണുകളെ അരിച്ചുമാറ്റും. പച്ച, പച്ച നിറമുണ്ടാക്കുന്ന ഫോട്ടോണുകളെ കടത്തിവിടും, ബാക്കിയുള്ളതിനെ അരിച്ചുമാറ്റും, നീല ഫില്‍റ്റര്‍ നീല നിറമുണ്ടാക്കുന്ന ഫോട്ടോണുകളെ കടത്തിവിടും, ബാക്കിയുള്ളവയെ അരിച്ചുമാറ്റും.


ഈ ചിത്രം നോക്കൂ. ഒരു ക്യാമറയുടെ ഫില്‍റ്റര്‍ എങ്ങനെയാണ്‌ കളറുകളെ അരിക്കുന്നതെന്നും അടുത്തടുത്ത പിക്സലുകള്‍ക്ക്‌ എന്തൊക്കെ വിവരങ്ങളാണ്‌ കിട്ടുന്നതെന്നും അതില്‍ വ്യക്തമായി വിവരിച്ചിട്ടുണ്ട്‌.മുകളിലെ പകുതിയില്‍ ഫില്‍റ്റര്‍ വഴികടന്നുപോകുന്ന പ്രകാശരശ്മികളെ ഫില്‍റ്റര്‍ അരിക്കുന്നതെങ്ങനെ എന്നു കാണിച്ചിരിക്കുന്നു. താഴത്തെ പകുതിയില്‍ ഇങ്ങനെ അരിച്ചുവീഴ്ത്തപ്പെട്ട ചുവപ്പ് നീല പച്ച രശ്മികള്‍ സെന്‍സറിലെ ഏതൊക്കെ പിക്സലുകളിലാണ് വീണിരിക്കുന്നത് എന്നും കാണിച്ചിരിക്കുന്നു.














കടപ്പാട് : Wikipedia commons


ഇങ്ങനെ അരിച്ചുവീഴപ്പെടുന്ന ഫോട്ടോണുകളെ സൂക്ഷിച്ചു വയ്ക്കുന്നത്‌ ഓരോ പിക്സലിന്റെയും താഴെയുള്ള, ഫോട്ടോണ്‍ "കിണര്‍" (Photon well) എന്നുവിളിക്കപ്പെടുന്ന സംഭരണ അറകളിലാണ്‌. പിക്സലുകളുടെ സൈസ്‌ (ഏരിയ) കൂടുംതോറും ഈ സംഭരണ അറകളുടെ ശേഷിയും കൂടും (കൂടുതല്‍ വലിപ്പമുള്ള സെന്‍സറുകളുടേയും പിക്സലുകളുടെ മെച്ചങ്ങളില്‍ കൂട്ടിച്ചേര്‍ക്കാന്‍ മറ്റൊന്ന്).ഈ ഫോട്ടോണുകളെ, മുന്‍പോസ്റ്റില്‍ വിവരിച്ചതുപോലെ, സെന്‍സറിനോടനുബന്ധിച്ചുള്ള ഒരു ഡീറ്റല്‍ കണ്‍വേര്‍ട്ടറിലേക്ക്‌ അയച്ച്‌, ഓരോ പിക്സലിന്റെയും നിറത്തിനനുസരണമായ ഡാറ്റ ഉണ്ടാക്കിയെടുക്കുന്നു.


ചുരുക്കിപ്പറഞ്ഞാല്‍ ക്യാമറയുടെ സെന്‍സര്‍ ഒരു ചിത്രം കാണുന്നത്‌ ചുവപ്പ്‌ പച്ച നീല നിറത്തിലുള്ള ലക്ഷക്കണക്കിന്‌ (സെന്‍സറിന്റെ മെഗാപിക്സല്‍ കൗണ്ട്‌ അനുസരിച്ച്‌) ചെറുചതുരങ്ങളായാണ്‌. ഇതിന്റെ ഒരു വ്യക്തമായ ചിത്രീകരണം ഈ വെബ് പേജില്‍ ഉണ്ട്.


താഴെക്കൊടുത്തിരിക്കുന്ന ചിത്രം നോക്കൂ. ഒരു പൂവിന്റെ ചിത്രം ക്യാമറ സെന്‍സര്‍ കാണുന്നതെങ്ങനെയെന്ന് വലിയൊരു സ്കെയിലില്‍ ഫോട്ടോഷോപ്പ്‌ ഉപയോഗിച്ച്‌ ഞാന്‍ വരയ്ക്കാന്‍ ശ്രമിച്ചതാണ്‌.
















സെന്‍സര്‍ ബായര്‍ ഫില്‍റ്റര്‍ വഴി കാണുന്നതിങ്ങനെ

















ഒറിജിനല്‍ ചിത്രം.


ഒരു കാര്യം ഇവിടെ വളരെ വ്യക്തമായി പറയട്ടെ. ഈ ചിത്രത്തില്‍ കാണുന്ന കളര്‍ ചതുരങ്ങള്‍ യഥാര്‍ത്ഥ പിക്സല്‍ സൈസിനേക്കാള്‍ വളരെ വലിപ്പത്തിലാണ്‌ കാണിച്ചിരിക്കുന്നത്‌. അവയോരോന്നും യഥാര്‍ത്ഥ വലിപ്പത്തില്‍ കാണിച്ചാല്‍ നമ്മുടെ കണ്ണുകൊണ്ട്‌ കാണാന്‍ പാടില്ലാത്തത്ര ചെറുതാണെന്ന് അറിയാമല്ലോ (2 മുതല്‍ 8 മൈക്രൊണ്‍സ് വരെ മാത്രമാണ് ഈ ചതുരങ്ങളുടെ യഥാര്‍ത്ഥ വലിപ്പം). ഈ ഉദാഹരണത്തില്‍ കാണിച്ചിരിക്കുന്ന പൂവിന്റെ ഒറിജിനല്‍ ഫയലില്‍, അതിന്റെ വീതിയുള്ള വശത്തുമാത്രം 3000 പിക്സലുകള്‍ ഒരു നിരയില്‍ ഉണ്ടെന്ന് ഓര്‍ക്കുക. ഈ ചിത്രം ആര്‍ക്കും ഒരു തെറ്റിദ്ധാരനയും ഉണ്ടാക്കിയില്ല എന്ന വിശ്വാസത്തോടെ തുടരുന്നു.

ഇങ്ങനെയുള്ള ഒരു ചിത്രത്തില്‍നിന്നും എങ്ങനെയാണ്‌ ക്യാമറ ബാക്കിയുള്ള നിറങ്ങള്‍ ഊഹിച്ചെടുക്കുന്നത്‌? അവിടെയാണ്‌ ട്രിക്ക്‌! ക്യാമറയുടെ ഉള്ളിലുള്ള കംപ്യൂട്ടര്‍ പ്രോസസര്‍, ഈ ഓരോ പിക്സല്‍ വാല്യുവിനേയും അതിന്റെ തൊട്ടടുത്ത, അതേ നിരയിലുള്ള പിക്സല്‍ വാല്യുവുമായി താരതമ്യപ്പെടുത്തുന്നു. ഉദാഹരണം നോക്കാം. നീലാകാശത്തിന്റെ ചിത്രം. ഒരു നിരയിലെ നീല പിക്സല്‍ നീല, അടുത്തതിന്റെ അടുത്ത പിക്സല്‍ നീല, ആ നിര മുഴുവന്‍ ഇതേ പാറ്റേണില്‍ നീലകള്‍ നീലയായിത്തന്നെ തുടരുന്നു. അപ്പോള്‍ സ്വാഭാവികമായും രണ്ടുനീലകളുടെ ഇടയിലുള്ള പച്ചയ്ക്ക്‌, രണ്ടുനീലകളുടെ ആവറേജ്‌ വില നല്‍കാമല്ലോ. അപ്പോള്‍ ആ ഡിജിറ്റ ഡേറ്റയും നീലയായി മാറുന്നു! ഇങ്ങനെ പിക്സലുകളുടെ നിരകളോരോന്നും നിമിഷാര്‍ത്ഥംകൊണ്ട്‌ കൂട്ടിക്കിഴിച്ച്‌ ഹരിച്ച്‌ ക്യാമറയുടെ പ്രോസസര്‍ ഒരു ഡിജിറ്റല്‍ ഡേറ്റയാക്കിമാറ്റുന്നു.

ഈ പ്രക്രിയയെ സാങ്കേതികമായി ഡീ-മൊസൈക്കിംഗ്‌ അല്ലെങ്കില്‍ ഇന്റര്‍പൊലേഷന്‍ (demosaicing or interpolation) എന്നാണു വിളിക്കുന്നത്‌. ലളിതമായി പറഞ്ഞുവെങ്കിലും, ഫോട്ടോ എടുക്കുന്ന രംഗത്തിന്റെ വര്‍ണ്ണവിന്യാസം കൂടുംതോറും ഈ ജോലികളുടെ സങ്കീര്‍ണ്ണതയും വര്‍ദ്ധിക്കുന്നു. ക്യാമറയുടെ പ്രോസസര്‍, ഫില്‍റ്റര്‍ ക്വാളിറ്റി, ഉപയോഗിക്കുന്ന സോഫ്റ്റ് വെയര്‍ എന്നിങ്ങനെ ഒരു പാടു ഘടകങ്ങളെ ആശ്രയിച്ചിരിക്കുന്നു ഡീ മൊസൈക്കിംഗിന്റെ ഗുണമേന്മ. മാത്രവുമല്ല, ഓരോ ക്യാമറനിര്‍മ്മാതാക്കളും തങ്ങളുടെ സോഫ്റ്റ്വെയറുകള്‍ ഉപയോഗിക്കുന്ന ഡീമൊസൈക്കിംഗ് ടെക്നിക്ക് അത്യന്തം രഹസ്യസ്വഭാവമുള്ള ഒരു വിവര്‍മായാണ് സൂക്ഷിക്കുന്നതും. ഇപ്പോള്‍ മനസ്സിലായോ എന്തുകൊണ്ടാണ് ഒരേ രംഗംതന്നെ പല ഡിജിറ്റല്‍ ക്യാമറകള്‍ പലവിധത്തില്‍ ചിത്രമാക്കുന്നതെന്ന്! ഇങ്ങനെ ലഭിക്കുന്ന ഡിജിറ്റല്‍ ചിത്രം നാം കാണുന്നതിനു മുമ്പ്‌ അവസാന മിനിക്കുപണികള്‍ വീണ്ടും ഉണ്ട്‌, ഷാര്‍പ്പനിംഗ്‌, കളര്‍ അഡ്ജസ്റ്റ്മെന്റുകള്‍, ഫയല്‍ കംപ്രഷന്‍ മുതലായവ. അതേപ്പറ്റിയെല്ലാം ഇനി വരുന്ന പോസ്റ്റുകളില്‍.

കൂടുതല്‍ വായനയക്ക് :

1. Bayer Filters
2. Filters & Demosaicing
3. How digital cameras work


Camera, Canon, Nikon, Fujifilm, Olympus, Kodak, Casio, Panasonic, Powershot, Lumix, Digital Camera, SLR, Megapixel, Digital SLR, EOS, SONY, Digial zoom, Optical Zoom

Read more...

About This Blog

ഞാനൊരു പ്രൊഫഷനല്‍ ഫോട്ടോഗ്രാഫറല്ല. വായിച്ചും കണ്ടും കേട്ടും പരീക്ഷിച്ചും ഫോട്ടോഗ്രാഫിയില്‍ പഠിച്ചിട്ടുള്ള കാര്യങ്ങള്‍ നിങ്ങളുമായി പങ്കുവയ്ക്കാനൊരിടമാണ് ഈ ബ്ലോഗ്.

  © Blogger template Blogger Theme II by Ourblogtemplates.com 2008

Back to TOP