iPhone için geliştirilen Lumu Power isimli ürün, klasik bir pozometrenin yaptığı tüm işlevleri yerine getiriyor. Ayrıca renk sıcaklığını ve flaş gücünü de ölçebiliyor. Şimdiden istedikleri hedefi tutturan firma yetkilileri, geliştirdikleri ve bundan sonra geliştirecekleri tüm ürünlerde kullanıcılardan gelen yorumların çok önemli olduğunu belirtiyor.

Özel bir uygulama ile kullanılan cihazı iPhone’a taktığınızda otomatik olarak ölçüm arayüzü ekrana geliyor. Hızlı ve basit bir kullanıma sahip olan ürün doğru renk ve ışık şartlarında fotoğraf çekmenizi garanti ediyor. Lumu Power şu anda 199 dolardan satışa sunuluyor. Kampanya bittikten sonra ise fiyatının 299 dolar olacağı belirtiliyor.

Merhaba, sizlere dillerden düşmeyen “görüntü kalitesi” kavramından biraz bahsetmek ve bu konuyu biraz daha açmak istiyorum. Fotoğraf sanatı herşeyden önce, görsel bir sanat olduğu için, elbette ki sunumun kalitesi büyük önem taşıyor. Kompozisyon güzel olmadıktan sonra kalite ne kadar iyi olursa olsun, fotoğraf değer kaybedeceği gibi, mükemmel bir kompozisyon, kötü bir sunum ile yine aynı şekilde değer kaybedecektir. Görüntü kalitesi, belli faktörlerin bir araya geldiği bir kavram olduğu ve bu kavramların hemen hemen hepsinin de dijital fotoğrafçılıkta müdahele edilebilir konular olmaları dolayısıyla, bu kavramlara tam olarak hakim olmak, fotoğraflarda da görüntü kalitesine tam olarak müdahele edebilmek anlamına gelir.

Görüntü kalitesini; keskinlik, kirlilik, renk doğruluğu, köşe kararması, kromatik sapmalar, renk gamotu ve distorsiyon gibi faktörler altında toplayıp, bunlarla ilgili genel bir açıklamadan sonra her faktör için kiminde yazılımsal, kiminde de donanımsal olarak çeşitli çözüm önerileri sunmaya çalışacağım.

Keskinlik

Her şeyden önce keskinliğin tanımını yapmak gerekirse, kabaca keskinlik, renk geçişlerinin ne kadar sert olduğunun ölçüsüdür. Bir başka deyişle, bir renkten diğer renge ne kadar hızlı geçildiğidir. Zannedilenin aksine, görüntünün ne kadar detay içerdiği değildir! (bkz. Resim 1). Keskinlik, fotoğrafın yansıtmaya çalıştığı duygu dahilinde dozajı çok net olmayan bir kavram olsa da, genelde fotoğraflardaki ana temamızın, yani ilgi merkezimizin keskin olmasını tercih ederiz. Tripod kullanımı, piyasadaki sayısız yazılım, hemen hemen her fotoğraf makinesindeki “Sharpness” seçeneği, keskinlik ihtiyacının zaten güzel örnekleri.

Keskinlik değerine fotoğraf işleme yazılımları ile müdahale etmeden önce, fotoğrafı çekerken “yeterince” keskin olmasını nasıl sağlamamız gerektiğine değinmemiz lazım. Hareketten dolayı kaynaklanan bulanıklık, sonradan müdahele edilebilecek bir mevzu olmadığı için, öncelikle bunu engelleme adına tripod ve yüksek enstantane değerleri kullanmamız gereklidir. Ancak bunu sağladıktan sonra, fotoğraflarımızın “vuruculuğunu” arttırmak için nelere ihtiyacımız olduğunu düşünmeye başlayabiliriz. Keskinliği etkileyen faktörlerin başında kullanılan çözünürlük, lensin kalitesi görüntü sensörünün büyüklüğü gelir. Bu konuda, daha iyi ekipmanlar kullanmak dışında bir seçenek bulunmadığı ve daha iyi ekipmanımız yoksa yapacak fazla birşey olmadığı için, farklı yollardan keskinliği arttırmaya gitmemiz gerekir.  Günümüzde hemen hemen her fotoğraf işleme yazılımı, “Sharpen”, “Unsharp Mask” veya benzeri isimler altında fotoğraflara keskinlik katabilmemizi sağlayan seçenekler barındırıyorlar. (bkz. Resim 2). Ancak bunları da kullanırken dozaja dikkat etmemiz gerekir. “Kesin” ve “kirli” görüntü arasındaki ince çizgiyi geçmek fayda değil, zarar getirir. Bu işlemenin yanı sıra, fotoğrafı şekillendirirken, çekim esnasında ışığın yönüne ve gücüne, ilgi merkezini bulanık bir arka plan kullanarak soyutlamaya ve yine benzer bir şekilde düşük kontrastlı arka planlar kullanmaya dikkat etmek, yüksek keskinlik ve “yüksek keskinlik hissi” yaratmak için faydalı olacaktır.

Kirlilik (Noise)

Dijital fotoğraflardaki kirlilik, teknik olarak, görüntü yoğunluğundaki rastgele değişimler olarak yorumlanabilir. Daha açıklayıcı bir örnek vermek gerekirse, müzik setinizde hiç birşey çalmazken, sesi açtığınızda duyduğunuz “hışırtı” (dip gürültüsü), sesteki benzer bir kirliliktir. Arka plandaki elektrik sinyallerinin yarattığı bir sonuçtur. Kaliteli ses sistemlerinde gördüğümüz yüksek SNR (signal-to-noise-ratio/sinyalin gürültüye oranı) değerleri bir kalite sembolü olduğu gibi, dijital fotoğraf makinelerinde de bir SNR mevcuttur.  Ses sistemlerindeki kadar yaygın bir şekilde belirtilmeyen bu değer, algılanan sinyallerin arka plandaki elektriksel aktivitelerin yarattığı istenmeyen sinyallere ne kadar baskın çıkacağını belirtir. DSLR fotoğraf makinelerinde kullanılan güçlü işlemciler ve enerji devreleri sayesinde minimuma indirilen gürültü, malesef günümüz kompakt ürünlerinde devam eden bir sıkıntıdır.

En az keskinlik kadar önemli olan ve varlığı da bir o kadar rahatsız edici olan bu faktör, detay kaybının temelidir. Ekipman kalitesinin yanı sıra, pozlama süresi uzadıkça (kimi pikseller çok ısınarak istenmeyen sinyaller gönderirler) ve algılayıcının hassasiyeti düştükçe de (ISO değeri arttıkça) artan kirlilik, kimi fotoğraflarda (bazı siyah-beyaz fotoğraflar) arzu edilen bir tesir bıraksa da, genellikle mümkün olduğunca kaçınılan bir sorundur. Kirlilik konusunda kullandığımız ürünlerin limitasyonları ile sınırlandırılmış olmamıza rağmen, bir çok güncel fotoğraf makinesinde “Noise Reduction” (kirlilik-gürültü azaltma) adı altında kompleks algoritmalar yer almaktadır. İnternetten kolaylıkla indirebileceğiniz NeatImage, NoiseWare Pro ve Noise Ninja yazılımları, kirlilik telafisi konusunda post-prodüksiyon esnasında faydalanabileceğiniz yazılımlara birkaç örnektir. Resim 3’de görüntüdeki kirliliğe bir örnek görebilirsiniz.

Renk Doğruluğu

Renk doğruluğu, görüntü kalitesine etki eden oldukça öenmli ancak bir o kadar da göreceli bir kavramdır. “Doğru renk” ve “etkili renk” arasındaki tartışma büyük ihtimalle hiç bir zaman son bulmayacak ama yine de, kısa da olsa, konumuzla ilgili olduğu için biz de katılalım bu tartışmaya. Derseniz ki fotoğrafın görevi içeriği hakkında bilgi vermektir, o zaman “kaliteli bir görüntü” için bu içeriğin renklerinin doğru yansıtılmasına ihtiyaç vardır.  Söz gelimi, fotoğraftaki mavi bir elma, elmanın rengi hakkında yanlış bilgi veriyordur, renk doğruluğundan yoksundur ve “kaliteli” bir görüntü sunmuyordur. Bir diğer tarafta, örneğin Yedi Göller bölgesinde çektiğiniz bir fotoğrafın enfes kompozisyonu, atmosferdeki çeşitli optik oyunlar, kötü bir mevsim, vesaire sebeplerden dolayı yeterince “etkili” değilse ve fotoğraf da görsel bir sanat ise (ki o zaman göze hoş gelmesi birinci koşuldur), renklerle oynayarak kendinizce “doğru rengi” bulmanız icab eder. Gördüğünüz üzere, ister teknik olarak olsun, ister sanatçının yorumuna göre olsun, bir renk doğruluğundan söz etmek mümkündür. Daha doğrusu renklere herhangi bir sebepten dolayı müdahale etme gereksinimi, “kaliteli görüntü” elde etme açısından gerekebilir. Hemen hemen her fotoğraf işleme yazılımı “Hue”, “Saturation”, “Vibrance” ve benzeri başlıklar altında bu imkanı sunar. Resim 4’de, renk doğruluğu ile ilgili bir örnek görebilirsiniz. Fotoğrafın ister sağ tarafını, ister sol tarafını “doğru” bulun, sonuçta bir taraf “yanlış” olacaktır en sonunda.

Köşe Kararması

Özellikle birkaç yıl önce çıkan Full-Frame algılayıcılara sahip bazı ürünlerde, sensör yapısından kaynaklanan ve çoğunlukla vasat lenslerle çalışıldığında görülen köşelerdeki bu kararmalar, sonuçta görüntüye orada gerçekten olmayan bir şey ekledikleri için görüntü kalitesine ciddi şekilde sekte vuran efektlerdir. (bkz. Resim 5). Eğer böyle bir sorununuz varsa yazılımsal olarak çeşitli çözümler bulabilirsiniz.

Yazımın ikinci bölümünde, görüntü kalitesine etki eden faktörlere kaldığımız yerden devam edeceğiz.