完美记录惊人的细节!这张日全食照片是怎样诞生的?【01】

完美记录惊人的细节!这张日全食照片是怎样诞生的?【01】

在各种令人眼花缭乱的天文现象里,日全食可以说是最有名的了。且不说在日全食期间可以进行很多有价值的科学研究,光是凭肉眼看,也足以给人留下非常深刻的印象,那种震撼的感觉一辈子也不会忘。那是一种静谧却充满力量、平静却气势磅礴的美。尤其是用小双筒望远镜观看,太阳的外层大气日冕,就像给太阳戴的头纱,缥缈灵动;轻纱飘舞,于万籁俱寂中仿佛能听见仙乐飘飘。

作为摄影师,眼见这样的震撼场景,当然想把它拍下来,把这份感动传递给所有人。不过这并不是一个容易的任务。太阳的日冕,从内向外,亮度变化非常大。从太阳表面起,到向外延伸4个太阳半径的地方,日冕的亮度变化超过 1000 倍。要知道 4 个太阳半径在空间中不过只有 1 度,伸直手臂竖起小拇指,你看到小拇指的指甲盖宽度就差不多那么大。在这么小的范围里,超过 10 档光圈的亮度变化,更别提其中蕴含的无数惊人的细节,把这些都拍下来,是很不容易的。

题图就是最近这次 2017 美国日全食的照片,图片拍摄:王乐天,后期处理:章佳杰。照片中不仅记录了极其巨大的亮度差异,而且展现了惊人的细节,从太阳磁场影响下日冕的纹理,到月球表面的隐约的纹路,清晰地展现在画面中。在这篇文章,以及接下来的几篇文章中,我将会详细解析我是如何得到这张细节惊人的日全食图像的。

首先遇到最大的困难就是这超过 10 档光圈的亮度变化,如果加上中间遮挡的月球、日珥、玫瑰色的色球层,那更是达到 14~15 档。通常的民用数码相机,对摄影可用的宽容度大约在 7 档左右,所以这样大范围的亮度,很难用一张照片记录下来。所幸,现在数码相机拍摄照片非常简便,我们可以拍摄多张不同曝光的照片,后期进行合成,从而记录下超大动态范围的场景。这样的技术称为 HDR 技术。

HDR 全称 High Dynamic Range,意思是高动态范围,针对明暗对比非常大的场景,也能够清晰地展现出不同亮度的层次。在摄影中,一般通过包围曝光的手法,拍摄不同曝光量的许多照片,对场景中不同亮度的部分都进行正确的曝光。然后通过计算合成,得到一张整个画面曝光都合适的照片。在一些场景中,合理运用 HDR 技术,可以增加很多戏剧性效果,让画面充满冲击力。

(一些采用 HDR 手法拍摄处理的风光照片)

为了得到更好的效果,在日食中应该怎么曝光呢?有很多大牛已经总结出了一些经验,比如著名的日食摄影师 Fred Espenak 在他的网站上写过一篇文章 How to Photograph a Solar Eclipse 给出了非常好的参考曝光参数。比如采用 F8 的光圈,100 的 ISO 进行拍摄,那么拍摄日珥 1/1000 秒的曝光,拍摄内侧的日冕需要 1/250 秒,拍摄 4 倍半径处的外侧日冕需要 1 秒的曝光。根据这样的参考数据,我们可以从 1/1000 秒开始,每次增加 1 档曝光,一直拍到 1 秒,完成一组包围曝光的拍摄。一般来说,为了后期效果更好,往往需要重复拍摄多组,通过之前文章 《星野摄影降噪(1):基础知识》《星野摄影降噪(2):对齐叠加》 中介绍的知识,将多张照片叠加从而减少噪声的影响,以便后期合成的时候能得到更干净的画面。

(一组包围曝光的照片)

有了这样一组不同曝光值的照片,那我们怎么知道最后画面上某一点的亮度值到底是多少呢?之前的文章 《亮度响应与HDR基础》 中提到了一个概念:相机的亮度响应。亮度响应(Intensity Response)是从胶片时代就有的一个概念,简单地说,相机/胶片的亮度响应,就是指拍摄场景的真实亮度与成像后像素亮度/底片密度之间的关系。最理想情况下,我们希望这个亮度响应是个线性的关系。什么意思呢?就是说,无论一个场景原始的亮度是多少,如果场景入射的光亮度变成了 2 倍,那成像后的像素值也应该变成 2 倍。在这种理想情况下,两张曝光不同的照片,仅仅通过简单的乘除运算就可以互相转化。事实上,摄影师们熟知的倒易率,正是以此为理论依据的。

但是我们的相机并不总是这样理想,当光线太强或者太弱,我们拍摄的画面就会一片死白或者一片死黑,摄影师会说画面过曝或者欠曝了。这说明相机的亮度响应并不总是线性的。一个典型的胶片的亮度响应曲线如下图所示(图片来源 A PRACTICAL GUIDE TO USING FILM CHARACTERISTIC CURVES) 图中第一排是正片的响应曲线,第二排是负片的响应曲线。可以看到,在曲线的左侧和右侧,曲线都偏离直线的形状。一般来说,负片的线性范围比正片要大的多,通常在 7 档左右。

(典型胶片的亮度响应曲线)

不同曝光照片上,同一个物体(意味着实际亮度不变)的像素值不同,如果把这些像素值和曝光量画在一起,也会形成一条曲线。经过推导我们可以知道,这条曲线,就是相机亮度响应曲线的一部分,经过平移得到的。如下图左所示,红黄蓝三条曲线分别是图像中的三个点,不同曝光量是横坐标,不同曝光量下的像素值是纵坐标。这三条曲线经过适当平移,可以拼合成一条完整的曲线,如下图右所示。

(像素值曲线经过平移得到亮度响应曲线)

由此我们可以合理推断,如果我们收集场景中不同亮度的物体,把他们的像素值曲线画出来,然后经过适当平移,可以拼凑出一条完整的曲线,这就是相机的亮度响应曲线。在文章《亮度响应与HDR基础》 中我们推导出这个平移量,其实就代表了这个物体的真实亮度。我们在拼凑计算相机亮度响应曲线的过程中,已经把每一点的实际亮度给计算出来了。下图是采用这个算法计算得到的日全食场景下各个点的真实亮度,从色彩标尺可以看出,这个场景中亮度差达到了 12 档光圈。

(日食照片的亮度图像)

以上就是 HDR 背后的原理,实际上现在很多软件都可以自动实现上面的过程。比如在 Photoshop 中,我们可以从菜单的【文件】-【自动】-【合并到 HDR pro】来启动合成 HDR 的过程。软件会根据拍摄时候的光圈、快门、ISO 等参数,计算照片中每一点的曝光值,自动计算相机的亮度响应曲线,然后得到每一点的真实亮度。

不过普通软件实现的过程(比如在 Photoshop 中合成)往往已经包含了 HDR 的另一重要部分,色调映射(Tone Mapping),这部分内容留待后续文章详细解说,本篇先到此为止吧。

「真诚赞赏,手留余香」
还没有人赞赏,快来当第一个赞赏的人吧!
文章被以下专栏收录
12 条评论
推荐阅读