کالبدشکافی ترکیب پیکسل‌ها (Pixel Binning): چرا دوربین ۲۰۰ مگاپیکسلی شما عکس‌های ۱۲ مگاپیکسلی می‌گیرد؟

شما یک گوشی هوشمند جدید با دوربین پرچم‌دار ۲۰۰ مگاپیکسلی می‌خرید. با هیجان اولین عکس خود را در نور شب می‌گیرید و وقتی به جزئیات فایل (EXIF) نگاه می‌کنید، متوجه می‌شوید که عکس ثبت‌شده تنها ۱۲ یا ۱۲.۵ مگاپیکسل است. ۱۸۷ میلیون پیکسل دیگر کجا رفته‌اند؟ آیا شرکت سازنده به شما دروغ گفته است؟ پاسخ در تکنیکی نهفته است که بازاریابان علاقه کمتری به توضیح آن دارند اما مهندسان آن را نجات‌دهنده عکاسی موبایل می‌دانند: ترکیب پیکسل‌ها یا Pixel Binning. این فناوری به دوربین گوشی شما اجازه می‌دهد تا در کسری از ثانیه تصمیم بگیرد که آیا به جزئیات خیره‌کننده نیاز دارد یا به جذب نور بیشتر برای فرار از تاریکی.

برای درک این موضوع، ابتدا باید از هیاهوی تبلیغاتی فاصله بگیریم و به فیزیک نور نگاه کنیم. سنسور دوربین را مانند شبکه‌ای از سطل‌های کوچک (پیکسل‌ها) تصور کنید که قطرات باران (فوتون‌های نور) را جمع‌آوری می‌کنند. هرچه سطل بزرگ‌تر باشد، نور بیشتری جمع می‌کند و سیگنال الکتریکی قوی‌تر و تمیزتری تولید می‌کند. اما گوشی‌های هوشمند ضخامت بسیار کمی دارند و نمی‌توان سنسورهای فیزیکی غول‌پیکری (مانند آنچه در دوربین‌های حرفه‌ای DSLR می‌بینیم) درون آن‌ها قرار داد. فضای فیزیکی محدود به این معناست که مهندسان برای افزایش کیفیت تصویر باید به جای بزرگ کردن ابعاد کلی سنسور، به دنبال راهکارهای خلاقانه‌تری در سطح میکروسکوپی باشند.

وقتی سازندگان تصمیم می‌گیرند ۱08 یا ۲۰۰ میلیون سطل نوری را در همان فضای کوچک چند میلی‌متری جای دهند، نتیجه این می‌شود که ابعاد هر سطل به شدت کاهش می‌یابد (گاهی تا ۰.۵۶ میکرومتر). در نور درخشان روز، این سطل‌های مینیاتوری به خوبی کار می‌کنند و جزئیات خیره‌کننده‌ای از بافت‌ها و خطوط ثبت می‌کنند. اما در نور کم، فاجعه رخ می‌دهد؛ آن‌ها نمی‌توانند نور کافی جمع‌آوری کنند و نتیجه آن عکسی تاریک، تار و پر از نویز دیجیتال (دانه‌های رنگی مزاحم) خواهد بود. این همان تله مگاپیکسل است که بسیاری از مصرف‌کنندگان در آن گرفتار می‌شوند: تصور اینکه مگاپیکسل بیشتر همیشه به معنای کیفیت بهتر است.[2]

اینجاست که ترکیب پیکسل‌ها به عنوان یک راهکار هوشمندانه وارد عمل می‌شود. پردازنده سیگنال تصویر (ISP) در گوشی، به جای خواندن اطلاعات هر پیکسل به صورت جداگانه و مستقل، اطلاعات گروهی از پیکسل‌های مجاور را با هم جمع یا میانگین‌گیری می‌کند. در یک آرایش استاندارد ۲ در ۲، چهار پیکسل مجاور به عنوان یک «سوپر پیکسل» بزرگ‌تر عمل می‌کنند. در سنسورهای پیشرفته‌تر سامسونگ (مانند خانواده ISOCELL)، این ترکیب می‌تواند بسیار تهاجمی‌تر باشد؛ مثلاً ترکیب ۳ در ۳ (۹ پیکسل) یا حتی ۴ در ۴ (۱۶ پیکسل) که به دوربین اجازه می‌دهد در تاریک‌ترین محیط‌ها نیز نور محیط را به شکل موثری جذب کند.[1][2]

با اعمال این تکنیک، یک سنسور ۲۰۰ مگاپیکسلی با ترکیب ۱۶ پیکسل در ۱ پیکسل، عملاً به یک سنسور ۱۲.۵ مگاپیکسلی با پیکسل‌های مجازی بسیار بزرگ‌تر (مثلاً ۲.۵۶ میکرومتر) تبدیل می‌شود. این پیکسل‌های ترکیبی می‌توانند نور بسیار بیشتری را جذب کنند و سیگنالی به مراتب قوی‌تر به پردازنده بفرستند. نتیجه این مبادله، فدا کردن وضوح (رزولوشن) اسمی برای به دست آوردن حساسیت نوری بالا، دامنه دینامیکی بسیار بهتر و نویز به شدت کمتر در محیط‌های تاریک است. به همین دلیل است که عکس‌های شبانه گوشی شما با وجود رزولوشن پایین‌تر، بسیار شفاف‌تر و زیباتر از چیزی هستند که یک سنسور ۲۰۰ مگاپیکسلی واقعی در تاریکی ثبت می‌کند.[2]

اما ترکیب پیکسل‌ها از نظر فنی به این سادگی نیست و چالش‌های مهندسی بزرگی به همراه دارد. سنسورهای دوربین برای تشخیص رنگ از فیلتری به نام «بایر» (Bayer) استفاده می‌کنند که روی پیکسل‌ها قرار می‌گیرد و به صورت متناوب رنگ‌های قرمز، سبز و آبی را فیلتر می‌کند. اگر شما در یک فیلتر بایر سنتی به سادگی چهار پیکسل مجاور را با هم ترکیب کنید، رنگ‌های مختلف با هم قاطی شده و یک تصویر سیاه و سفید یا تصویری با رنگ‌های کاملاً اشتباه و درهم‌ریخته به دست می‌آید. این محدودیت فیزیکی باعث شد تا مهندسان به فکر بازطراحی ساختار فیلترهای رنگی بیفتند.[1]

برای حل این مشکل اساسی، شرکت‌های پیشرو مانند سونی و سامسونگ ساختار فیلتر رنگ را از اساس تغییر دادند. سونی فناوری Quad Bayer و سامسونگ فناوری‌های مشابهی مانند Tetracell و Nonacell را معرفی کردند. در این ساختارهای نوین، فیلتر رنگ به جای تغییر متناوب روی هر پیکسل منفرد، روی بلوک‌های ۴تایی یا ۹تایی از پیکسل‌ها یک رنگ ثابت دارد. یعنی یک بلوک ۲ در ۲ همگی دارای فیلتر قرمز هستند. این طراحی سخت‌افزاری هوشمندانه اجازه می‌دهد که ترکیب پیکسل‌ها در سطح سنسور و بدون از دست رفتن اطلاعات رنگی انجام شود و پردازنده بتواند به راحتی رنگ‌های دقیق را بازتولید کند.[2]

با وجود این نوآوری‌های درخشان مهندسی، باید با دیدی انتقادی به اعداد تبلیغاتی نگاه کرد. وقتی یک سنسور دارای فیلتر رنگی Quad Bayer است، وضوح رنگی واقعی آن در سطح سخت‌افزار، دقیقاً معادل همان وضوح ترکیب‌شده (مثلاً ۱۲ مگاپیکسل) است. وقتی در روز روشن گوشی را روی حالت «۵۰ مگاپیکسل» یا «۲۰۰ مگاپیکسل» قرار می‌دهید، دوربین در واقع اطلاعات نوری ۲۰۰ میلیون نقطه مجزا را با رنگ‌های مستقل دریافت نمی‌کند؛ بلکه با استفاده از الگوریتم‌های نرم‌افزاری پیچیده (Demosaicing) سعی می‌کند پیکسل‌های رنگی از دست رفته را حدس بزند و تصویر را به صورت مصنوعی بازسازی کند.

جالب است بدانید که این فناوری پیشرفته اصلاً جدید نیست و ریشه در علوم فضایی دارد. دهه‌ها قبل از اینکه گوشی‌های هوشمند به وجود بیایند، ستاره‌شناسان از تکنیک Pixel Binning در دوربین‌های CCD تلسکوپ‌های غول‌پیکر استفاده می‌کردند تا بتوانند نور بسیار ضعیف کهکشان‌های دوردست و سحابی‌ها را ثبت کنند. آن‌ها نیز به خوبی می‌دانستند که برای دیدن در تاریکی مطلق، باید رزولوشن را فدای جذب فوتون کرد. حالا همان منطق فیزیکی و ریاضی که برای کشف اسرار کیهان استفاده می‌شد، در جیب شما قرار دارد تا از شام خانوادگی‌تان در یک رستوران تاریک عکس‌های بهتری بگیرد.

در نهایت، جنگ مگاپیکسل‌ها در دنیای موبایل بیشتر یک ابزار بازاریابی است تا یک معیار واقعی برای سنجش کیفیت تصویر. لنزهای پلاستیکی و کوچک گوشی‌های هوشمند معمولاً حتی توانایی تفکیک نوری (Optical Resolving Power) برای ۲۰۰ میلیون نقطه مجزا را ندارند. قدرت واقعی دوربین گوشی شما در تعداد مگاپیکسل‌های چاپ‌شده روی جعبه آن نیست، بلکه در توانایی سنسور و پردازنده آن برای ترکیب هوشمندانه این پیکسل‌ها و استخراج یک عکس ۱۲ مگاپیکسلی تمیز، روشن، با دامنه دینامیکی گسترده و کاملاً بی‌نقص است. دفعه بعد که عکس ۱۲ مگاپیکسلی خود را دیدید، بدانید که این یک افت کیفیت نیست، بلکه پیروزی فیزیک بر تاریکی است.[3]