אחד המדדים החשובים לקביעת איכות תמונה מבחינה טכנית היא החדות שלה. למעשה, ככל שגודל ההדפסה שאנחנו עושים הולך וגדל, כך גדלה גם החשיבות בחידוד נכון של התמונה. למרות החשיבות בחידוד נכון של תמונות, הרבה צלמים מזניחים תחום זה מחוסר ידיעה או מחוסר מודעות לחשיבות הנושא. הרבה פעמים אני נתקל בצלמים אשר משקיעים אלפי שקלים בקניית ציוד יקר, רק כדי שבסופו של דבר איכות התמונה שלהם תיפגע כתוצאה מחידוד לא אופטימלי לפני שלב ההדפסה. מדוע לחדד תמונות? לזה אנחנו נגיע מאוחר יותר אבל קודם כל נדון באספקטים בסיסיים של חידוד.

עבור צלמים רבים, חידוד פירושו USM או בשמו המלא Unsharp Mask. חלקים מסתפקים ב-Smart Sharpen המגיע כחלק מ-Photoshop CS2 וגירסאות חדשות יותר. האמת היא ששתי השיטות הללו הן רק ההתחלה ואולי חשוב מזה, הבסיס לעוד שיטות חידוד מתקדמות יותר אשר יספקו לכם תוצאות טובות יותר ואפשרויות שליטה רבות יותר. מאמר זה יסביר את הצורך בחידוד של תמונות דיגיטליות. אנחנו לא ניתן כאן המלצות לגבי מהי שיטת חידוד הכי טובה או לגבי הערכים אותם יש לבחור בעת ביצוע פעולת חידוד כזאת או אחרת מהסיבה הפשוטה שאי אפשר לעשות דבר כזה. כל תמונה מצריכה טיפול שונה וכל תמונה מצריכה ערכים שונים של חידוד בתלות באיך היא צולמה, באיזה גודל היא תודפס ועל איזה אמצעי (עיתון, נייר הדפסה, מגזין איכותי ועוד).

מהי חדות? האמת היא שכולנו מבינים מהי חדות במונחים פשוטים. גם אדם שאין לו ידע בצילום יכול לקבוע האם תמונה מסוימת היא חדה או לא. אולם, ההגדרה הטכנית של חדות שונה מאוד ממה שאנחנו חושבים שהיא החדות וחשוב ביותר להכיר אותה. חדות באופן עקרוני נקבעת על ידי שני גורמים – כושר הפרדה או במילים אחרות רזולוציה ו-Accutance או בתרגום חופשי ניגוד בקצוות של הנושא.

רזולוציה היא למעשה הדבר שרוב האנשים מקשרים אותו עם חדות. רזולוציה היא היכולת להפריד בין פרטים קטנים מאוד כמו לדוגמא ב-Resolution Charts אשר מורכבים בין היתר מקווים דקיקים אשר הולכים ונעשים עוד יותר דקיקים וצפופים המשמשים לבדיקת יכולות של עדשה מסוימת למשל בתחום הרזולוציה. הרזולוציה בדרך כלל נמדדת לפי זוגות קווים במילימטר (LP/mm). ככל שה-LP/mm גדול יותר, כך גדולה יותר הרזולוציה של העדשה. במונחים פרקטיים הרזולוציה היא היכולת של העדשה "לגלות" פרטים. עדשות וציוד צילום בעל רזולוציה גבוהה יכולים להראות את הפרטים הקטנים והדקים בנושא בעוד ציוד צילום בעל רזולוציה נמוכה לא יכול. חשוב ביותר להבין דבר זה מכיוון שפעולות עיבוד על התמונה, כמו חידוד, יכולים אך ורק לגרוע מהרזולוציה אולם לא יכולים לשפרה! הרזולוציה נקבעת בזמן הצילום על ידי העדשה והמצלמה והיכולות שלהן ומה שלא היה שם בזמן הצילום לא יהיה שם גם אחרי עיבוד מחשב! ה-Accutance ניתן לשליטה שלנו ובעזרתו גם חדות נראית של התמונה. תוכנות מחשב אשר מבצעות חידוד אינן קשורות לרזולוציה.

ה-Accutance קשור לניגודיות של התמונה, במיוחד לניגודיות בין פיקסלים סמוכים או כמעט סמוכים. המוח שלנו מתרגם פיקסלים בהירים אשר נמצאים ליד פיקסלים כהים כקצה. ככל שהמעבר מהבהיר לכהה מהיר יותר (יותר ניגודיות), או במילים אחרות פחות הדרגתי, הקצה נראה לנו בולט וברור יותר או במילים אחרות חד יותר.

בשתי התמונות שלעיל יש אזור אפור בהיר ליד אזור כהה יותר. בתמונה העליונה המעבר בין האזור הבהיר לאזור הכהה כמו גם המעבר בין שני האזורים הללו לרקע הוא מהיר. במקרה זה הניגוד של התמונה ולפי כך ה-Accutance שלה גבוהים. בתמונה התחתונה מופיעים אותם אזורים כמו בתמונה העליונה אולם מכיוון שהיא פחות ניגודית ולפי כך גם ה-Accutance שלה נמוך יותר, המעבר בין שני האפורים כמו גם המעבר בין האפורים לרקע הדרגתי יותר. תמונה כזאת מפורשת על ידי העין שלנו כבעלת חדות נמוכה או מטושטשת.

הנקודה החשובה של הדוגמא לשעיל היא שהחדות הנראית בתמונה העליונה והטשטוש של התמונה התחתונה אינם קשורים ברזולוציה אלא ב-Accutance בלבד.

כעת הגענו לאחת הנקודות החשובות לגבי התוכנות אשר מבצעות חידוד של התמונה: תוכנות אלה מעלות את החדות הנראית של התמונה על ידי העלאת ה-Accutance של התמונה. במקרים אחרים, תוכנות מעלות את הניגוד לאורך הקצוות של הנושא אולם המשותף בין שתי הדרכים הללו הוא שתוכנות אשר מאפשרות לנו לחדד את התמונה אינן מגבירות בשום מקרה את הרזולוציה או את כמות הפרטים בתמונה. הן יכולות לגרום לפרטים אשר היו שם בזמן הצילום לבלוט יותר על ידי העלאת הניגודיות בקצוות של הנושא.

דבר זה מביא אותנו לעוד נקודה מעניינת לגבי החידוד והיא שלא ניתן לחדד תמונה מטושטשת. תמונה מטושטשת היא בעלת רזולוציה נמוכה ומכיון שחידוד לא יכול להעלות את הרזולוציה הוא לא יכול "להציל" את התמונה. לכן, החידוד עובד בצורה הטובה ביותר עם תמונות בעלות רזולוציה טובה ופרטים ברורים תודות לשימוש בציוד צילום איכותי. הגישה לפיה ניתן לחסוך בקניית עדשה איכותית ואח"כ לחדד את התמונות בתוכנה כזאת או אחרת היא מוטעית.

למה צריך לחדד תמונות דיגיטליות בכלל? אחרי הכל, סרט הצילום לא דורש חידוד אלא אם כן הוא נסרק ומודפס בצורה דיגיטלית. המפתח לשאלה זו טמון באופן בו פועל החיישן של המצלמה שלנו. החיישן בנוי משורות על גבי שורות של פיקסלים. כל פיקסל קולט את האור החוזר מן הנושא בשטח קטן מאוד של החיישן. יתרה מזאת, למעט המקרה עם חיישנים של חברת Foveon כל חיישן יכול לקלוט רק אור המגיע מאורך גל אחד בלבד – אדום, ירוק או כחול (RGB).

‎איור זה מתאר בצורה סכמתית כיצד נראה חיישן של מצלמה דיגיטלית. כמובן שבמציאות החיישן מורכב ממיליונים של פיקסלים שכאלה.

עכשיו בואו לרגע אחד נתייחס לאופן יצירת התמונה. אם נקח למשל צילום של פרח, כדי שנוכל לצלמו, הרי שהאור מהפרח חייב לחזור אל המצלמה ולהיקלט בחיישן. מה שמעניין אותנו הוא מה שקורה בקצוות של התמונה.

בתמונה שלמטה, אנחנו רואים תקריב של התמונה הקודמת. בכוונה בחרנו מקום עם Accutance גבוה כדי שיהיה לנו הרבה יותר קל להסביר את מה שקורה במצלמה בשעה שמצלמים תמונה כזו. בצד של הפרח, הצבע הוא כמעט לבן לגמרי. מצד שני, הרקע הוא כמעט שחור לגמרי. בחרנו שלוש נקודות בתמונה כנקודות להתיחסות. נקודה ראשונה היא בצד של הפרח איפה שהצבע הוא כמעט לבן לגמרי. נקודה שניה היא ברקע איפה שהצבע כמעט שחור לגמרי. הנקודה שלישית היא בחיבור בין הפרח לרקע. נקודה ראשונה מקבלת אור לבן מהפרח ולפי כך הפיקסל שומר את המידע המופיע שם בצורה נכונה בתור לבן. נקודה שניה כמעט ולא מקבלת אור כלל ולכן גם במקרה זה הפיקסל שומר את המידע המופיע שם בצורה נכונה כשחור. לפיקסל בנקודה השלישית יש בעיה. בחציו הוא מקבל אור לבן ובחציו השני הוא כמעט לא מקבל אור כלל. לצערנו, הפיקסל לא יכול לשמור את הנתונים כחצי לבן וחצי שחור. הוא יכול לשמור רק גוון אחד מסוים בתוכו ולכן פיקסל זה יתקבל כאפור. כאשר אנחנו צופים בפרח, אנחנו רואים קצה חד וברור בין הפרח לרקע בצורת לבן/שחור. המצלמה מצד שני "רואה" קצה עדין יותר בצורת לבן/אפור/שחור ולפי כך התמונה נראית לנו מעט יותר משטושטת כאשר היא מתקבלת כקובץ. אופן הפעולה של הפיקסלים במקרה זה הוריד את ה-Accutance של הנושא.

	האור שפוגע בפיקסל	המידע שנרשם בפיקסל
פיקסל 1
פיקסל 2
פיקסל 3

זוהי אחת משתי הסיבות החשובות מדוע תמונות ממצלמה דיגיטלית צריכות לעבור חידוד. קצוות אשר חוצים את הפיקסלים לא מתקבלים כקצוות חדים ובמקום זאת הניגודיות לאורך הקצוות הללו יורדת בגלל אופן הקליטה של החיישן.

הסיבה השניה לירידה בחדות ולכך שתמונות דיגיטליות צריכות לעבור חידוד היא צבע ו-Demosaicing. כפי שציינו למעלה, כל פיקסל יכול לקלוט אור המגיע מאורך גל אחד – אדום, ירוק או כחול. למעשה, הפיקסלים כלל לא קולטים צבע אלא דווקא את עוצמת האור. למעשה, פיקסלים בעצם קולטים רק רמות שונות של אפור בין לבן מוחלט לשחור מוחלט. אם כך כיצד אנחנו מקבלים את הצבע במצלמה? באמצעות פילטרים צבעוניים ועיבוד מתמטי שמפעילה המצלמה על המידע שבפיקסלים. המצלמות הדיגיטליות מצוידות ברשת של פילטרים צבעוניים הפרושה מעל לפיקסלים עצמם. רשת זו של פילטרים מסננת את האור בצורה כזאת שהיא הופכת כל פיקסל לרגיש לאורך גל אחד בלבד, כאמור אדום, ירוק או כחול. חלק מהפיקסלים רואים אור ירוק בלבד, חלק רואים רק אדום וחלק רק כחול. על מנת ליצור את הצבע שבתמונה אלגוריתם מתמטי שבמצלמה בודק את הצבע בכל פיקסל ובפיקסלים השכנים לו ולאחר חישוב מעניק לכל פיקסל ערך מסוים של צבע. תהליך זה שהוסבר כאן בצורה מפושטת נקרא Bayer Interpolation.

ה-Bayer Interpolation יכול לגרום לבעיות של Accutance לאורך הקצוות היכן שמתרחש מעבר בין הצבעים בתמונה. נניח שיש לנו תמונה עם עלה ירוק כהה המצולם כנגד שמים כחולים בהירים. מה שהעין רואה הוא קצה חד בצורה ירוק/כחול. מצד שני במהלך החישוב שלה המצלמה עלולה להוסיף צבע ביניים במעבר בין שני הצבעים ובכך לגרום לרכות לאורך הקצה ובעצם לירידה ב-Accutance. יתרה מזאת, עיבוד של התמונה לאחר מכן בתוכנה כזאת או אחרת עלול להחריף את הירידה ב-Accutance עוד יותר ובכך לפגוע עוד יותר בתמונה. בלי קשר לסיבה אשר גורמת לירידה באיכות התמונה, הפתרון הוא חידוד של התמונה.

כיצד החידוד פועל? החידוד בעצם מחזיר את ה-Accutance אשר אבד במהלך הצילום הדיגיטלי על ידי שהוא הופך את הצד הבהיר של הקצה לבהיר יותר ואת הצד הכהה של הקצה לכהה יותר. האיור לשלהן מתאר מצב זה. מה שאנחנו רואים באיור היא היסטוגרמה של הקצה בלבד כאשר בצד שמאל של ההיסטוגרמה יש לנו את הצד הכהה ובצד ימין את הצד הבהיר.

ההיסטוגרמה הראשונה מראה את חלוקת גוונים כפי שהם נקלטים בעין. המעבר קיצוני והדבר נראה בקצה שהוא חד. ההיסטגורמה השניה מראה את חלוקת הגוונים כפי שהם נקלטים על ידי המצלמה הדיגיטלית. כעת המעבר בין הגוונים הדרגתי יותר בגלל הסיבות שמנינו לעיל והדבר מתורגם לקצה שאינו חד מספיק. ההיסטוגרמה השלישית מראה את הקצה אחרי פעולת החידוד. פעולת החידוד הפכה את הקצה הכהה של הנושא לכהה עוד יותר ואת הקצה הבהיר לבהיר עוד יותר. למרות שעדיין המעבר בין הגוון האחד לשני הוא הדרגתי במידה מסוימת, ה-Accutance גדל בצורה משמעותית. כעת הדבר יופיע לעין שלנו שוב פעם כחד. למעשה פעולת החידוד "מרמה" את העין על ידי העלאת הניגודיות בקצוות של הנושא כדי שאלה ייראו יותר חדים.

כיצד עובד ה-Unsharp Mask? לפני שנענה על זה תהיתם פעם למה כלי שמחדד תמונה נקרא Unsharp Mask? ובכן יש לזה הסבר הגיוני ודווקא נחמד מאוד. בעבר בעולם חדרי החושך וההדפסה האנאלוגיים על מנת לחדד את התמונה, המדפיסים היו מייצרים מהנגטיב המקורי, נגטיב שני מטושטש מעט. לאחר מכן, הם היו מצמידים את שני הנגטיבים אחד לשני. בשיטה זו היה מתקבל דימוי עם תוספת קונטרסט בקצוות הנושא ולפי כך תמונה אשר נראתה חדה יותר. הנגטיב השני, זה המשטושט, היה משמש בעצם כמסכה שהיא בעצמה מטושטשת ומכאן השם Unsharp Mask.

ה-Unsharp Mask ב-Photoshop או כל תוכנת עיבוד תמונות אחרת, עושים את אותה העבודה אולם בצורה דיגיטלית שהיא מהירה יותר ובעיקר זולה יותר ופשוטה יותר. פעולת ה-Unsharp Mask מוצאת את הקצוות בתמונה והופכת את הצד הכהה לכהה יותר ואת הצד הבהיר לבהיר יותר. בכמה? זה תלוי בנו. אנחנו שולטים על מידת השינוי. הבעיה היא שפעולת ה-Unsharp Mask אינה מסוגלת לגלות בצורה נאמנה את הקצוות בתמונה. במקום זאת, היא מוצאת אזורים בעלי ניגוד גבוה. על מנת לעשות זאת, ה-Unsharp Mask משתמש באותה שיטה כמו בחדר חושך. הפעולה משכפלת את ה-Layer המקורי של התמונה, מטשטשת אותו, מחברת בין שתי הגרסאות ומחשבת את ההפרש בערכים של גוונים בין התמונה המקורית לתמונה המטושטשת.

בתמונה שלעיל אנחנו רואים כיצד פעולת ה-Unsharp Mask מוצאת את הקצוות של התמונה. התמונה העליונה מראה תמונה שבה הקצוות לא לגמרי חדים. התמונה האמצעית מראה את הגרסא המטושטשת של אותה תמונה ואילו התמונה התחתונה מראה את החיבור בין התמונה המקורית לבין התמונה המטושטשת ואת הפער ביניהן. ה-Unsharp Mask מחסיר את הערכים בין התמונה המקורית לתמונה המטושטשת ומוצא את האזורים בעלי הקונטרסט. כפי שאנחנו יכולים לראות אזורים בעלי קונטרסט נמוך מתקבלים שחורים בחיבור בין שתי התמונות ואילו אזורים בעלי קונטרסט גבוה יותר מופיעים בהירים יותר. לאחר שהפעולה הצליחה לזהות את האזורים בעלי הקונטרסט הגבוה יותר, היא יכול להעלות את הניגודיות ולכן את ה-Accutance באזורים אלה ובכך לשפר את החדות של הנראית התמונה.

התמונה שלעיל מראה כיצד נראה החיבור בין התמונה המקורית לתמונה המטושטשת. אחרי זיהוי הקצוות כאמור, פעולת ה-Unsharp Mask יכולה לפעול סלקטיבית על אזורים אלה ולחדד את התמונה. התוצאה שנקבל היא תמונה אשר נראית לנו הרבה יותר חדה.