کالبدشکافی عکاسی محاسباتی و حالت شب: گوشی شما واقعاً چگونه در تاریکی مطلق عکس‌های روشن می‌گیرد؟

در همان نیم ثانیه‌ای که دکمه شاتر دوربین گوشی خود را در یک خیابان تاریک فشار می‌دهید، پردازنده دستگاه شما بین ۱۵ تا ۳۰ عکس مجزا ثبت می‌کند و بیش از ۳۰۰ میلیون پیکسل را پیش از آنکه حتی نتیجه نهایی را روی صفحه ببینید، پردازش می‌کند. این مقیاس عظیم از محاسبات ریاضی، پایه و اساس چیزی است که شرکت‌های فناوری آن را «حالت شب» (Night Mode) یا «دید در شب» می‌نامند. اما پشت این نام‌های تجاری پر زرق و برق، هیچ لنز جادویی یا سنسور دید در شبی وجود ندارد؛ گوشی شما صرفاً در حال انجام یک ترفند آماری بی‌نظیر برای فریب دادن قوانین فیزیک است.[1][4]

برای درک اینکه چرا این ترفند ضروری است، باید به محدودیت‌های فیزیکی دوربین‌های موبایل نگاه کنیم. سنسورهای ۱۲ تا ۲۰۰ مگاپیکسلی موبایل در مقایسه با سنسورهای فول‌فریم دوربین‌های حرفه‌ای، بسیار کوچک هستند. در تاریکی، ذرات نور (فوتون‌ها) به اندازه کافی وارد این سنسور کوچک نمی‌شوند. در دوربین‌های حرفه‌ای (DSLR)، عکاسان برای حل این مشکل شاتر را برای چند ثانیه باز می‌گذارند تا نور بیشتری جمع شود. اما اگر این کار را با گوشی انجام دهید، لرزش طبیعی دست شما در طول آن چند ثانیه، عکس را به یک فاجعه تار و تاریک تبدیل می‌کند.[2][3]

راهکار سنتی دیگر، افزایش حساسیت سنسور (ISO) است. اما این کار باعث تقویت سیگنال‌های تصادفی الکترونیکی یا همان «نویز» (Noise) می‌شود؛ همان دانه‌های رنگی مزاحمی که عکس‌های تاریک را شبیه به برفک تلویزیون‌های قدیمی می‌کنند. بنابراین، گوشی‌های هوشمند با یک بن‌بست فیزیکی روبرو بودند: سنسور کوچک، لرزش دست و نویز الکترونیکی. راه حل این بن‌بست نه در تغییر سخت‌افزار، بلکه در حوزه «عکاسی محاسباتی» (Computational Photography) پیدا شد.[1][2]

مکانیسم واقعی حالت شب، که برای اولین بار در سال ۲۰۱۴ با نام تجاری +HDR و سپس در سال ۲۰۱۸ با نام Night Sight توسط گوگل معرفی شد، بر پایه تکنیکی به نام «برش زمانی» (Time Slicing) یا ثبت متوالی استوار است. گوشی شما منتظر نمی‌ماند تا شما دکمه را فشار دهید. از لحظه‌ای که اپلیکیشن دوربین را باز می‌کنید، دستگاه به طور پیوسته در حال عکس گرفتن و پاک کردن آن‌ها در یک حافظه موقت (Buffer) است.[1][4]

وقتی دکمه شاتر را لمس می‌کنید، دوربین به جای یک نوردهی طولانی، مجموعه‌ای از نوردهی‌های بسیار کوتاه را ثبت می‌کند. بسته به میزان نور و لرزش دست، این می‌تواند شامل ۱۵ فریم با نوردهی ۱/۱۵ ثانیه باشد. اگر گوشی را روی سه‌پایه یا دیوار ثابت نگه دارید، الگوریتم این پایداری را تشخیص داده و زمان نوردهی هر فریم را تا ۳۳۳ میلی‌ثانیه (یا حتی ۱ ثانیه در نسخه‌های جدیدتر) افزایش می‌دهد تا فوتون‌های بیشتری جمع‌آوری کند. چون هر فریم در کسر کوچکی از ثانیه ثبت شده است، لرزش دست فرصتی برای تار کردن تصویر پیدا نمی‌کند.[1]

اما این فریم‌ها به تنهایی به شدت تاریک و پر از نویز هستند. اینجاست که جادوی ریاضیات آغاز می‌شود. پردازنده سیگنال تصویر (ISP) با کمک ژیروسکوپ گوشی، میزان دقیق لرزش دست شما را در بین این ۱۵ فریم محاسبه می‌کند. سپس نرم‌افزار، این فریم‌ها را پیکسل به پیکسل روی هم تراز (Align) می‌کند. از آنجایی که نویز دیجیتال یک پدیده کاملاً تصادفی است، در هر فریم در نقطه متفاوتی ظاهر می‌شود. اما سوژه واقعی در همه فریم‌ها ثابت است.[1][4]

با روی هم قرار دادن (Stacking) و میانگین‌گیری از این فریم‌ها، سیگنال‌های تصادفی نویز یکدیگر را خنثی می‌کنند، در حالی که نور و جزئیات واقعی سوژه تقویت می‌شوند. نتیجه این عملیات ریاضی، افزایش چشمگیر «نسبت سیگنال به نویز» (SNR) است. به عبارت ساده‌تر، گوشی شما به جای تلاش برای دیدن در تاریکی، تاریکی را به قطعات کوچک تقسیم کرده و نویز آن‌ها را با هم خط می‌زند.[2]

اما کار در اینجا تمام نمی‌شود. در نور بسیار کم (کمتر از ۳ لوکس)، سلول‌های مخروطی چشم انسان از کار می‌افتند و ما دنیا را خاکستری می‌بینیم. اگر دوربین دقیقاً همان چیزی را که هست ثبت کند، عکس نهایی بی‌رنگ و مرده خواهد بود. بنابراین، شبکه‌های عصبی و هوش مصنوعی وارد عمل می‌شوند تا رنگ‌ها را «حدس» بزنند و تعادل سفیدی (White Balance) را بر اساس داده‌های آموزش‌دیده بازسازی کنند.[1][5]

این سیستم‌های هوش مصنوعی همچنین از تکنیکی به نام «بخش‌بندی معنایی» (Semantic Segmentation) استفاده می‌کنند. الگوریتم تشخیص می‌دهد که کدام قسمت از عکس آسمان است، کدام قسمت چهره انسان است و کدام قسمت شاخ و برگ درختان. سپس پردازش متفاوتی را برای هر بخش اعمال می‌کند؛ مثلاً نویز آسمان را کاملاً صاف می‌کند اما بافت پوست را برای حفظ جزئیات دست‌نخورده باقی می‌گذارد.[4]

با وجود تمام این پیشرفت‌ها، بازاریابی شرکت‌ها اغلب یک حقیقت مهم را پنهان می‌کند: حالت شب گوشی‌های هوشمند، دید در شب واقعی نیست. دوربین‌های دید در شب نظامی یا امنیتی از نور مادون قرمز (IR) یا سنسورهای حرارتی استفاده می‌کنند تا در تاریکی مطلق (صفر فوتون) تصویر بسازند. اما دوربین گوشی شما برای کار کردن به نور محیطی نیاز دارد.[3][5]

اگر در یک اتاق کاملاً تاریک و بدون هیچ منبع نوری عکس بگیرید، حالت شب هیچ چیزی به شما نشان نخواهد داد. الگوریتم‌های عکاسی محاسباتی تنها می‌توانند فوتون‌های موجود را چند برابر کنند؛ آن‌ها نمی‌توانند فوتون‌ها را از هیچ خلق کنند. به گفته مارک لوی (Marc Levoy)، مهندس ارشد سابق گوگل در زمان معرفی این فناوری در سال ۲۰۱۸: «هدف ما بهبود عکاسی در محدوده بین ۳ لوکس تا ۰.۳ لوکس بود، با استفاده از یک گوشی، یک بار فشردن شاتر و بدون استفاده از فلش LED.» در محیط‌های تاریک‌تر از ۰.۳ لوکس، این سیستم کاملاً بی‌فایده است.[1][3]

در نهایت، تکامل عکاسی محاسباتی نشان‌دهنده یک تغییر پارادایم در نحوه ثبت خاطرات ماست. ما دیگر صرفاً در حال ثبت فیزیکی نور روی یک سنسور نیستیم؛ ما در حال ثبت داده‌های خامی هستیم که توسط یک کامپیوتر قدرتمند تفسیر، بازسازی و حتی تا حدودی نقاشی می‌شوند. دفعه بعد که در یک خیابان تاریک عکسی خیره‌کننده گرفتید، به یاد داشته باشید که شما یک عکس نگرفته‌اید، بلکه یک مسئله پیچیده ریاضی را در جیب خود حل کرده‌اید.[2][5]