کالبدشکافی عکاسی محاسباتی: چرا دوربین گوشی شما دیگر واقعاً یک «دوربین» نیست؟

شرکت‌های سازنده گوشی‌های هوشمند همواره در تبلیغات خود از عباراتی مانند «لنزهای حرفه‌ای» و «کیفیت در حد دوربین‌های DSLR» استفاده می‌کنند. اما فیزیک نور تغییر نکرده است. یک سنسور کوچک که پشت یک شیشه چند میلی‌متری قرار گرفته، از نظر فیزیکی نمی‌تواند نور کافی برای رقابت با یک دوربین حرفه‌ای را جذب کند. با این حال، عکس‌هایی که می‌گیریم خیره‌کننده هستند. راز این کیفیت در شیشه لنز نیست، بلکه در پردازنده‌های سیلیکونی نهفته است.[1]

این تغییر پارادایم با نام «عکاسی محاسباتی» (Computational Photography) شناخته می‌شود؛ گذار از ثبت اپتیکال به تولید دیجیتال. امروزه وقتی دکمه شاتر گوشی خود را فشار می‌دهید، در واقع یک پرده مکانیکی را برای برخورد نور به فیلم باز نمی‌کنید، بلکه یک اسکریپت نرم‌افزاری را اجرا می‌کنید که میلیون‌ها محاسبه ریاضی را در کسری از ثانیه انجام می‌دهد.[2][7]

بنیادی‌ترین توهم در عکاسی با گوشی‌های هوشمند مدرن این است که شما در حال گرفتن «یک» عکس هستید. در واقعیت، سیستم عامل گوشی حتی قبل از اینکه شما دکمه را لمس کنید، در حال ثبت مداوم یک بافر از فریم‌های متوالی است و حافظه موقت دوربین را با تصاویری از کسری از ثانیه قبل پر می‌کند.[1][4]

زمانی که در نهایت دکمه را فشار می‌دهید، گوشی چندین فریم با نوردهی پایین (برای حفظ جزئیات در بخش‌های روشن مانند آسمان) و چندین فریم با نوردهی بالا (برای بیرون کشیدن جزئیات از سایه‌های تاریک) را استخراج می‌کند. این تکنیک که به عنوان انباشت تصویر یا HDR+ شناخته می‌شود، پایه و اساس عکاسی موبایل است.[5]

در این مرحله، موتور عصبی (Neural Engine) یا پردازنده سیگنال تصویر (ISP) وارد عمل می‌شود. این پردازنده فریم‌ها را به طور کامل روی هم تراز می‌کند تا لرزش دست شما را خنثی کند. سپس پیکسل به پیکسل پیش می‌رود و بهترین نوردهی و واضح‌ترین جزئیات را برای هر نقطه انتخاب کرده و آن‌ها را در یک تصویر نهایی که از نظر فیزیکی غیرممکن است، ادغام می‌کند.[4]

اما گوشی فقط پیکسل‌ها را به صورت کورکورانه ترکیب نمی‌کند؛ بلکه به کمک هوش مصنوعی، آنچه را که می‌بیند «درک» می‌کند. این فرآیند که «بخش‌بندی معنایی» (Semantic Segmentation) نام دارد، به دوربین اجازه می‌دهد تا آسمان، چمن، پوست انسان و مو را از یکدیگر تشخیص دهد.[1]

پس از تشخیص اجزا، الگوریتم‌ها قوانین متفاوتی را برای هر بخش اعمال می‌کنند. ممکن است سیستم به طور خودکار موها را شارپ‌تر کند، لکه‌های پوست را برای صاف‌تر به نظر رسیدن محو کند و اشباع رنگ آبی آسمان را افزایش دهد. یک دوربین سنتی صادقانه آنچه را که سقف سنسور دریافت کرده ثبت می‌کند، اما یک گوشی هوشمند صحنه را تفسیر کرده و چیزی را نقاشی می‌کند که فکر می‌کند «باید» آنجا باشد.[5]

یکی دیگر از فریب‌های جذاب، «حالت پرتره» (Portrait Mode) است. دوربین‌های حرفه‌ای پس‌زمینه تار (بوکه) را از طریق یک دیافراگم فیزیکی باز و یک سنسور بزرگ به دست می‌آورند. اما گوشی‌های هوشمند این اثر اپتیکال را با استفاده از نقشه‌برداری عمق و الگوریتم‌های نرم‌افزاری جعل می‌کنند.[2]

با استفاده از یک لنز ثانویه یا فوکوس خودکار دو پیکسلی، گوشی فاصله تا هر شیء در صحنه را محاسبه می‌کند. سپس یک فیلتر تاری نرم‌افزاری را روی هر چیزی که پشت سوژه قرار دارد اعمال می‌کند. به همین دلیل است که گاهی اوقات این سیستم اشتباه می‌کند و بخش‌هایی از مو یا لبه‌های عینک سوژه نیز به اشتباه تار می‌شوند.[2]

عکاسی در شب (Night Mode) شاید بارزترین نمونه از قدرت عکاسی محاسباتی باشد. در گذشته، عکاسی در محیط‌های کم‌نور نیازمند سه‌پایه و نوردهی طولانی بود. امروزه می‌توانید گوشی را برای چند ثانیه در تاریکی در دست نگه دارید و تصویری روشن و واضح دریافت کنید.[5]

مکانیسم حالت شب به این شکل است که گوشی ده‌ها نوردهی کوتاه انجام می‌دهد. سپس از ژیروسکوپ برای اندازه‌گیری میزان حرکت دست شما استفاده کرده، تصاویر را برای خنثی کردن لرزش تراز می‌کند و آن‌ها را برای انباشت نور روی هم قرار می‌دهد. این سیستم در واقع یک نوردهی طولانی را بدون ثبت تاری ناشی از حرکت، به صورت محاسباتی شبیه‌سازی می‌کند.[1][5]

این اتکای شدید به هوش مصنوعی یک تنش فلسفی ایجاد کرده است: آیا این هنوز یک عکس است؟ اگر گوشی در حال جایگزینی بافت‌های از دست رفته، حذف نویزها و گاهی حتی اضافه کردن جزئیاتی است که به صورت اپتیکال ثبت نشده‌اند، مرز بین عکاسی مستند و هنر دیجیتال کجاست؟[3][6]

با این حال، اکثر کاربران این معامله را پذیرفته‌اند، زیرا عکاسی محاسباتی تصاویری تولید می‌کند که با «حافظه» ما از یک لحظه تطابق بیشتری دارد. چشم انسان به طور طبیعی با سایه‌ها و روشنایی‌ها سازگار می‌شود؛ گوشی‌های هوشمند در واقع در تلاشند تا ادراک بصری انسان را شبیه‌سازی کنند، نه فقط فیزیک خام نور را.[5][6]

در نهایت، باید پذیرفت که دوربین گوشی هوشمند دیگر صرفاً ابزاری برای ثبت نور نیست؛ بلکه یک سنسور جمع‌آوری داده برای یک ابررایانه پردازش تصویر است. لنز و شیشه تنها نقطه آغاز این سفر هستند و جادوی واقعی در کدهای نرم‌افزاری اتفاق می‌افتد.[1][7]