Portretni režim: softverski bokeh vs optička blenda

Estetska privlačnost fotografija sa prelepo zamućenom pozadinom i oštrim subjektom u prvom planu decenijama je bila zaštitni znak profesionalne fotografije. Ovaj efekat, u fotografskom svetu poznat pod japanskim nazivom bokeh, tradicionalno se postizao isključivo upotrebom naprednih fotoaparata sa velikim senzorima i svetlosno jakim objektivima koji imaju širok fizički otvor blende. Međutim, sa eksplozijom mobilne fotografije i željom korisnika da postignu isti vizuelni kvalitet sa uređajem koji staje u džep, proizvođači pametnih telefona morali su da pronađu alternativno rešenje. Budući da su fizički zakoni optike nepremostiva prepreka za minijaturne komponente unutar telefona, rešenje je pronađeno u domenu računarske fotografije i mašinskog učenja kroz funkciju koju danas svi znamo kao portretni režim.

Da bismo razumeli kako je ovaj tehnološki podvig uopšte moguć, moramo duboko zaroniti u fiziku svetlosti, optički dizajn i napredne softverske algoritme koji u delu sekunde obavljaju milijarde kalkulacija kako bi prevarili ljudsko oko i stvorili iluziju dubine tamo gde je fizički nema.

Istorijski kontekst i fizika dubinske oštrine

U klasičnoj fotografiji, dubinska oštrina (engl. Depth of Field - DoF) predstavlja opseg udaljenosti ispred objektiva u kojem objekti izgledaju prihvatljivo oštro. Sve što se nalazi ispred ili iza tog opsega postepeno gubi oštrinu i postaje zamućeno. Fizička dubinska oštrina zavisi od tri ključna faktora:

1. Veličine senzora: Što je senzor fizički veći (npr. pun format ili srednji format), to je lakše postići plitku dubinsku oštrinu pri istoj kompoziciji kadra.
2. Žižne daljine objektiva: Duži objektivi (telephoto) prirodno sabijaju perspektivu i daju pliću dubinsku oštrinu u poređenju sa širokougaonim objektivima.
3. Otvora blende: Što je otvor blende veći (manji f-broj, npr. f/1.4, f/1.8), to više svetlosnih zraka ulazi pod oštrim uglovima, stvarajući strmiji konus fokusa i brže zamućenje van fokusne ravni.

Kada pogledamo pametni telefon, suočavamo se sa drastičnim fizikalnim ograničenjima. Senzori u mobilnim telefonima su minijaturni u poređenju sa profesionalnim kamerama. Na primer, tipičan senzor u telefonu ima površinu koja je i do 30 puta manja od standardnog full-frame senzora od 35mm. Da bi se na tako malom senzoru dobio standardni širokougaoni kadar (ekvivalent od oko 24mm do 26mm), stvarna žižna daljina sočiva mora biti izuzetno kratka - često između 4mm i 7mm. Iako moderni telefoni imaju impresivne otvore blende kao što su f/1.5 ili f/1.8, stvarna fizikalna dubinska oštrina tog sistema sa žižnom daljinom od 5mm i minijaturnim senzorom ekvivalentna je zatvorenoj blendi od oko f/8 ili f/11 na full-frame aparatu. Zbog toga će fotografija pejzaža i portreta napravljena u običnom režimu na telefonu imati skoro identičnu oštrinu od prvog plana do najudaljenijih planina.

Da bi rešili ovaj problem, inženjeri su morali da napuste isključivo optička rešenja i okrenu se razvoju softvera koji može da analizira sliku, prepozna trodimenzionalni prostor i veštački primeni zamućenje na delove kadra koji bi u stvarnosti bili van fokusa.

Kako funkcioniše portretni režim na pametnim telefonima

Proces stvaranja softverskog bokeha u portretnom režimu može se podeliti na tri ključne faze koje se odvijaju u trenutku pritiska na dugme za slikanje: segmentacija subjekta, mapiranje dubine i primena algoritamskog zamućenja.

1. Segmentacija subjekta (subject segmentation)

Prvi i najvažniji korak jeste da telefon shvati šta je zapravo glavni subjekat na fotografiji, a šta predstavlja pozadinu i prednji plan. Ovaj proces se naziva segmentacija i u potpunosti se oslanja na veštačku inteligenciju i neuronske mreže integrisane u procesor za obradu slike (ISP - Image Signal Processor) i neuronsku procesorsku jedinicu (NPU).

Algoritmi mašinskog učenja su trenirani na milionima fotografija kako bi prepoznali ljudske siluete, crte lica, kosu, odeću, ali i druge česte subjekte poput kućnih ljubimaca, cveća ili hrane. Neuronska mreža kreira binarnu masku - crno-belu sliku visoke rezolucije gde bela boja predstavlja piksele koji pripadaju subjektu koji treba da ostane oštar, dok crna boja označava sve ostalo.

Izazov u segmentaciji leži u mikro-detaljima. Ljudska kosa, pojedinačni pramenovi koji štrče, providni delovi odeće, naočare ili prostor između ruku i tela zahtevaju izuzetno preciznu selekciju na nivou pojedinačnog piksela. Ukoliko algoritam pogreši, maska će "odseći" deo uva ili kose i proglasiti ga pozadinom, što rezultira neprirodnim oštrim rezovima i zamućenjem delova samog subjekta.

2. Kreiranje mape dubine (depth mapping)

Sama segmentacija subjekta na "oštro" i "zamućeno" daje ravnu i neprirodnu sliku - subjekat izgleda kao da je izrezan iz kartona i nalepljen na zamućenu pozadinu. Da bi se postigao uverljiv bokeh, zamućenje mora biti progresivno: objekti koji su odmah iza subjekta treba da budu tek blago zamućeni, dok objekti na horizontu moraju biti potpuno van fokusa. Za to je potrebna mapa dubine (Depth Map).

Mapa dubine je monohromatska slika gde svaka nijansa sive predstavlja različitu udaljenost od kamere. Na primer, bela boja označava tačke najbliže objektivu, dok crna označava beskonačnu udaljenost. Telefoni koriste nekoliko različitih hardverskih i softverskih metoda za generisanje ove mape:

• Stereoskopska paralaksa (Stereo Vision): Ako telefon ima dve ili više kamera (npr. širokougaonu i telephoto), on može da snimi scenu iz dva blago različita ugla istovremeno. Analizirajući sitne pomake u poziciji objekata na te dve slike (paralaksu), algoritam može precizno da izračuna koliko je koji objekat udaljen. Ovo je isti princip na kojem funkcioniše ljudski stereo vid.
• Dual Pixel autofokus: Moderni senzori koriste tehnologiju gde je svaki piksel podeljen na dve polovine (levu i desnu) za potrebe faznog autofokusa. Pored brzog fokusiranja, ove dve polovine piksela mogu se iskoristiti za snimanje dve blago različite perspektive unutar samo jednog senzora, omogućavajući telefonu da generiše mapu dubine čak i ako koristi samo jednu kameru.
• Aktivni senzori (ToF i LiDAR): Neki premijum telefoni poseduju Time-of-Flight (ToF) ili LiDAR senzore. Ovi senzori emituju infracrvene zrake koji se odbijaju od prepreka i vraćaju nazad. Merenjem vremena putovanja svetlosti, telefon dobija izuzetno preciznu 3D mapu prostora, nezavisno od teksture ili osvetljenosti objekata.
• Monokularna procena dubine pomoću AI: U slučajevima kada nijedan od gore navedenih metoda nije dostupan ili je scena previše udaljena, napredni AI modeli mogu da procene dubinu prostora analizom same strukture slike, prepoznavanjem perspektivnih linija, relativne veličine objekata i raspodele svetla i senki.

3. Primena algoritamskog zamućenja

Kada softver raspolaže preciznom maskom subjekta i detaljnom mapom dubine, prelazi se na nanošenje efekta zamućenja. Umesto jednostavnog i ravnomernog zamućivanja pozadine (poput Gausovog zamućenja koje se koristi u grafičkom dizajnu i koje izgleda krajnje veštački), moderni telefoni koriste složene konvolucione filtere koji simuliraju optički prenos svetlosti kroz sočivo.

Fizički bokeh karakterišu svetlosni krugovi koji nastaju od tačkastih izvora svetlosti van fokusa. Softverski filter mora da identifikuje ove svetle tačke u pozadini i da ih proširi u prelepe virtuelne krugove, elipse ili čak poligone, u zavisnosti od toga kakav tip objektiva softver pokušava da simulira. Intenzitet ovog proširenja i zamućenja direktno je mapiran prema sivoj skali iz mape dubine - što je tačka na mapi dubine tamnija (udaljenija), to je zamućenje intenzivnije.

Detaljna analiza: softverski bokeh vs optička blenda

Iako je napredak računarske fotografije fascinantan, softverska simulacija se u mnogim aspektima i dalje razlikuje od čistog optičkog bokeha. Da bismo razumeli zašto profesionalci i dalje preferiraju velike sisteme, moramo analizirati suptilne optičke fenomene koje softver teže replicira.

Optički prelazi i gradijent zamućenja (focus transition)

Kod pravog objektiva, prelaz iz oštre zone u zamućenu zonu je potpuno kontinualan i fluidan. Ne postoji jasna linija gde počinje zamućenje. Svaki milimetar udaljenosti od tačke fokusa donosi blagi porast prečnika svetlosnog kruga. Kod softverskog bokeha, mapa dubine je često podeljena na "slojeve" (engl. depth layers) kako bi se uštedela procesorska snaga. Ako se mapa dubine ne izračuna sa dovoljnom preciznošću, fotografija može izgledati kao pozorišna scena sa nekoliko ravnih kulisa postavljenih na različitim udaljenostima.

Ponašanje svetlosti i aberacije sočiva

Optički bokeh nije savršen krug, i upravo te nesavršenosti mu daju karakter koji fotografi cene. Na primer:

• Mačje oči (Cat-eye bokeh): Zbog fizičkih ivica cevi objektiva, svetlosni krugovi prema ivicama kadra gube kružni oblik i poprimaju oblik elipse ili oka.
• Prstenovi luka (Onion rings): Zbog upotrebe asferičnih elemenata u modernim objektivima, unutar krugova bokeha mogu se videti koncentrični krugovi koji podsećaju na strukturu luka.
• Hromatska aberacija bokeha: Van fokusne ravni, svetle ivice često dobijaju blage zelene ili purpurne konture zbog nemogućnosti stakla da sve talasne dužine svetlosti fokusira u istoj tački.

Moderni algoritmi na telefonima pokušavaju da simuliraju ove efekte, ali oni često izgledaju previše sterilno i simetrično, jer su generisani matematičkim formulama, a ne stvarnim fizičkim nesavršenostima stakla.

Izazov providnih i polutransparentnih objekata

Jedan od najvećih problema za softversku segmentaciju jesen objekti koji su delimično providni ili imaju otvore kroz koje se vidi pozadina. Zamislite osobu koja nosi naočare, drži mrežastu ogradu ili pije piće sa slamčicom iz staklene čaše. Za ljudsko oko i za svetlost koja prolazi kroz objektiv, pozadina iza stakla naočara je jednako udaljena i treba da bude zamućena. Međutim, za softverski algoritam koji analizira sliku u potrazi za ljudskim licem, prostor unutar okvira naočara se često klasifikuje kao deo lica i ostaje potpuno oštar, dok je pozadina okolo zamućena. Ovo stvara vizuelni paradoks koji odmah otkriva softversku prirodu fotografije.

Praktični saveti za postizanje najboljih rezultata na telefonu

Iako portretni režim ima svoja ograničenja, pravilnim pristupom i razumevanjem načina na koji algoritam razmišlja možete napraviti fotografije koje je gotovo nemoguće razlikovati od onih napravljenih profesionalnom opremom.

1. Izaberite optimalnu udaljenost od subjekta i pozadine

Algoritmi za prepoznavanje paralakse i kreiranje mape dubine najbolje rade kada postoji jasan prostorni odnos između kamere, subjekta i pozadine. Za optimalne rezultate:

• Subjekat treba da bude udaljen između 1.5 i 2.5 metra od telefona.
• Pozadina iza subjekta treba da bude što je moguće dalje. Ako model stoji leđima prislonjen uz zid, algoritam neće moći da kreira distancu i efekat zamućenja će izostati ili izgledati loše na ivicama. Što je pozadina udaljenija, to će softverski bokeh biti prirodniji i intenzivniji.

2. Pazite na osvetljenje ivica (edge lighting)

Segmentacija subjekta se u velikoj meri oslanja na kontrast i definiciju ivica. Ako fotografišete subjekat koji nosi tamnu odeću ispred tamne pozadine, ili u uslovima veoma slabog svetla gde su ivice stopljene u senci, algoritam će imati poteškoća da razgraniči subjekat. Koristite svetlo koje jasno definiše siluetu (npr. bočno svetlo ili kontra-svetlo koje stvara svetlosni obruč oko kose) kako biste pomogli softveru da napravi savršenu masku.

3. Izbegavajte ekstremno složene teksture na ivicama fokusa

Ako je moguće, izbegavajte fotografisanje subjekata sa izuzetno sitnim i nepravilnim teksturama na ivicama fokusne ravni u portretnom režimu. Na primer, fotografisanje osobe sa gustom, kovrdžavom kosom na vetru, ili kućnog ljubimca sa dugom dlakom ispred šarenog grmlja, predstavlja najteži mogući test za AI segmentaciju. U takvim scenama, ručni prebacaj na standardni režim i približavanje subjektu kako bi se iskoristio stvarni (iako mali) optički bokeh može dati čistiji rezultat.

4. Umerenost u naknadnoj obradi virtuelne blende

Većina telefona vam omogućava da virtuelno otvorite blendu do ekstremnih f-brojeva poput f/0.95. Iako ovo zvuči impresivno, u praksi to često dovodi do preateranom i neprirodnom zamućenju koje odmah otkriva softversku manipulaciju i naglašava greške u segmentaciji. Za najprirodniji izgled, držite se virtuelnih podešavanja između f/2.8 i f/4.0. Ova podešavanja pružaju dovoljno zamućenja da izoluju subjekat, dok istovremeno zadržavaju blagu definiciju pozadinskih elemenata i minimiziraju vidljivost grešaka na ivicama.

Česte greške kod korišćenja portretnog režima i kako ih izbeći

1. Fotografisanje previše objekata u različitim ravnima: Portretni režim je dizajniran za jednog ili najviše dva subjekta koji se nalaze na istoj udaljenosti od kamere. Ako pokušate da fotografišete veliku grupu ljudi gde neki stoje ispred, a drugi iza, softver će neizbežno neke od njih zamutiti, misleći da su deo pozadine. Za grupne fotografije uvek koristite standardni režim rada kamere.
2. Ignorisanje prednjeg plana (Foreground): Mnogi zaboravljaju da prirodni bokeh utiče i na objekte koji su preblizu kameri (ispred fokusne ravni). Ako držite telefon blizu trave ili grana drveća dok slikate subjekat u daljini, a telefon ne prepozna te elemente kao prednji plan, ostaviće ih oštrim, što izgleda potpuno neprirodno. Birajte čist prostor ispred objektiva.
3. Prebrzo pomeranje kamere: Kreiranje mape dubine i segmentacija zahtevaju stabilan kadar. Ako pomerate telefon u trenutku okidanja, mapa dubine može biti pomerena u odnosu na stvarnu sliku subjekta, stvarajući čudne "duhove" i asimetrične zone zamućenja. Držite telefon čvrsto sa obe ruke ili koristite stabilizator.

Saznajte više o profesionalnoj video produkciji na Kotodama

Reference i preporučena literatura

1. Szeliski, Richard. Computer Vision: Algorithms and Applications, 2nd Edition. Springer, 2022.
   • Komentar: Ova knjiga predstavlja bibliju kompjuterskog vida i detaljno pokriva algoritme za stereoskopsku rekonstrukciju dubine, segmentaciju slika i procesiranje slikovnih metapodataka koji se koriste u modernim pametnim telefonima.
2. Goodfellow, Ian, Bengio, Yoshua, and Courville, Aaron. Deep Learning. MIT Press, 2016.
   • Komentar: Temeljno naučno delo koje objašnjava principe rada dubokih konvolucionih neuronskih mreža (CNN) koje čine osnovu AI segmentacije subjekata u realnem vremenu unutar mobilnih kamera.
3. Kingslake, Rudolf. A History of the Photographic Lens. Academic Press, 1989.
   • Komentar: Izuzetan istorijski i tehnički pregled razvoja optičkog dizajna sočiva, koji pruža neophodnu osnovu za razumevanje fizike prirodnog bokeha i načina na koji se svetlost ponaša pri prolasku kroz otvore blende.
4. Worenklein, Michael. Computational Photography: Methods and Applications. CRC Press, 2021.
   • Komentar: Knjiga se direktno bavi presecima između tradicionalne optike i softverskih algoritama, sa posebnim poglavljima posvećenim simulaciji dubinske oštrine i bokeha na mobilnim uređajima.