نمودار هیستوگرام چیست

رسم هیستوگرام در متلب

این پست به رسم هیستوگرام در متلب اختصاص دارد. در این پست از آموزش متلب ، ابتدا مفهوم هیستوگرام گفته خواهد شد. سپس نحوه رسم هیستوگرام یک تصویر در پایتون آموزش داده خواهد شد. رسم هیستوگرام نیز به دو روش انجام می‌شود. یک بار با استفاده از دستور imhist در متلب هیستوگرام تصویر را رسم می‌کنیم. بار دیگر کد هیستوگرام را از صفر تا 100 آموزش خواهیم داد. تمرکز ما در این پست بر هیستوگرام تصویر خواهد بود. با هوسم همراه باشید…

هیستوگرام چیست

هیستوگرام نمایشی تقریبی از داده‌های عددی است. هیستوگرام برای اولین بار توسط Karl Pearson مطرح شد. قدم اول در ساختن هیستوگرام، تبدیل رنج مقادیر به bin-ها یا bucket است[منبع]. bin-ها بازه‌هایی متوالی و غیرهمپوشان هستند. معمولا (نه همیشه) bin-ها بازه‌هایی با اندازه یکسان هستند.

پس از تبدیل رنج مقادیر به bin-ها، باید تعداد مقادیری که در هر بازه وجود دارند شمرده شوند. به این ترتیب به ازای هر بازه یک عدد به دست می‌آید. به این شکل نمایشِ داده‌ها، هیستوگرام گفته می‌شود. اعداد به دست آمده را با یک نمودار میله‌ای می‌توان نمایش داد. در بخش بعدی هیستوگرام در تصویر را بررسی خواهیم کرد…

هیستوگرام تصویر

همان‌طور که می‌دانید یک تصویر دیجیتال از مجموعه‌ای از پیکسل‌ها ساخته شده است. هر پیکسل یک مقدار دارد که نشان‌دهنده شدت روشنایی آن پیکسل است. اگر مقادیر شدت روشنایی در بازه 0 تا L-1 باشند، در این صورت هیستوگرام تصویر، تابع گسسته‌ای به شکل زیر خواهد بود:

که در آن r_k برابر با k-اُمین مقدار شدت روشنایی و n_k تعداد پیکسل‌های تصویر با شدت روشنایی r_k است. اما اینهایی که گفتیم یعنی چه؟

هیستوگرام با مثال

شاید شما از آن دسته افرادی هستید که تعریف کتابی را نمی‌پسندید. بنابراین به بیان ساده و با مثال دوباره مفهوم هیستوگرام را خواهم گفت. فرض کنید تصویری به ابعاد 5 * 5 دارید که بازه شدت روشنایی آن از 0 تا 7 باشد!

شدت روشنایی و رنگ هر پیکسل در تصویر نمایش داده شده است. برای محاسبه هیستوگرام در این تصویر یک نمودار می‌کشیم و در محور افقی تمام بازه‌ی شدت روشنایی را می‌نویسیم، یعنی 0 تا 7:

حالا تعداد پیکسل‌هایی که هر شدت روشنایی را دارند می‌شماریم. بعد از شمارش خواهیم داشت:

به نموداری که بدست آوردیم، هیستوگرام گفته می‌شود. واقعیت این است که ما تصویر 5*5 نداریم! این تصویر با چشم غیر مصلح قابل دیدن نیست! قطعا وقتی ابعاد تصویر بزرگ می‌شود، شمارش تعداد پیکسل‌ها با شدت روشنایی مشخص، عقلانی نیست! از این رو دست به دامان متلب می‌شویم! در بخش بعدی نحوه رسم هیستوگرام در متلب را خواهید آموخت…

هیستوگرام در متلب

دو راه برای محاسبه هیستوگرام در متلب وجود دارد. یکی این که در متلب کدی بنویسیم که تعداد پیکسل‌ها را برایمان بشمارد. راه دیگر این است که از دستورهای آماده متلب استفاده کنیم. بله، در متلب دستوری وجود دارد که می‌تواند هیستوگرام یک تصویر را محاسبه می‌کند. اول روش آسان‌تر را توضیح می‌دهیم. سپس خودمان کد محاسبه هیستوگرام را می‌نویسیم…

دستور imhist در متلب

برای رسم هیستوگرام در متلب یک دستور مخصوص وجود دارد و آن دستور imhist است. استفاده از دستور imhist در متلب بسیار ساده است. کافی است تصویر موردنظرمان را به آن بدهیم. اما چگونه؟ ابتدا باید تصویر را در متلب فراخوانی کنیم. برای این کار از دستور imread استفاده می‌کنیم. تصویری که فراخوانی کردیم را در متغیر image ذخیره می‌کنیم:

قبل از اجرای کد بالا ابتدا تصویر را دانلود و در مسیر m-File کپی کنید [لینک تصویر]. سپس متغیر image را به دستور imhist می‌دهیم:

نتیجه اجرای دستور بالا، تصویر زیر است:

بله، این هیستوگرام تصویر است! به همین راحتی توانستیم هیستوگرام تصویر را رسم کنیم. این دستور هیچ خروجی ندارد؟ اگر همینطور خشک و خالی از آن استفاده کنیم خیر. اما در صورتی که به شکل زیر از آن استفاده کنیم دو خروجی خواهد داشت:

با اجرای دستور بالا هیچ نموداری رسم نمی‌شود. تنها مقادیر در دو متغیر counts و x ذخیره می‌شوند. x همان مقادیر شدت روشنایی و counts تعداد پیکسل‌ها در هر شدت روشنایی است. اما داخل تابع imhist چه خبر است؟ در بخش بعدی می‌خواهیم کدی بنویسیم که عمل رسم هیستوگرام در متلب را انجام دهد…

کد هیستوگرام در متلب

در این بخش می‌خواهیم کدی بنویسیم که هیستوگرام یک تصویر سیاه و سفید را محاسبه کند. برای این کار ابتدا یک m-File بسازید.

خواندن تصویر

اولین کار خواندن تصویر است. البته قبل از آن clear، clc معروف را می‌نویسیم:

خب بعد از خواندن تصویر، ابتدا آن را رسم می‌کنیم:

• خط 1: یک پنجره برای رسم تصویر باز می‌کنیم.
• خط 2: تصویر را به وسیله imshow رسم می‌کنیم.
• خط 3: عنوان تصویر به وسیله title تعیین شده است.

رسم هیستوگرام

قدم بعدی بدست آوردن هیستوگرام است. برای این کار می‌نویسیم:

• خط 2: ابتدا تعداد bin-ها را مشخص می‌کنیم. تعداد bin-ها همان تعداد سطوح روشنایی است. که در تصویر موردنظر ما 256 سطح روشنایی وجود دارد. بنابراین bin-ها را اعداد 1 تا 256 در نظر می‌گیریم.
• خط 3: در این خط متغیری به نام hist می‌سازیم. مقدار متغیر hist را برابر با یک بردار صفر به طول bin-ها قرار می‌دهیم. یعنی یک بردار صفر به طول 256. بعدا این متغیر را با مقادیر درستِ هیستوگرام پُر خواهیم کرد.
• خط 4: با استفاده از for یک حلقه می‌نویسیم. اندیس این حلقه از 0 شروع شده و به 255 ختم می‌شود. چرا که ما باید بررسی کنیم که هر شدت روشنایی چند بار در تصویر تکرار شده است. مقادیر شدت روشنایی هم که 0 تا 255 بودند.
• خط 5: در این خط شدت روشنایی‌هایی که برابر با i هستند استخراج می‌شوند. متغیر counts یک ماتریس هم ‌اندازه با تصویر است. مقادیر این ماتریس در نواحی که شدت روشنایی برابر با i باشد، مقدارش 1 و در غیر اینصورت 0 است.
• خط 6: حالا مقادیر 1 در متغیر counts را می‌شماریم. این کار را با جمع کردن نیز می‌توانیم انجام دهیم. سپس تعداد مقادیر 1 نمودار هیستوگرام چیست را در متغیر hist ذخیره می‌کنیم. اندیس hist را i+1 گذاشتیم زیرا مقدار i از صفر شروع می‌شود ولی در متلب اندیس‌ها از یک شروع می‌شوند!
• خط 7: این خط هم که واضح است!

بعد از محاسبه هیستوگرام، نوبت به نمایش آن است. برای این کار باید همه مقادیری که در متغیر hist ذخیره کردیم را به وسیله یک نمودار میله‌ای نمایش دهیم:

• خط 2: در این خط یک پنجره جدید برای رسم هیستوگرام باز می‌کنیم.
• خط 3: در این خط رسم هیستوگرام در متلب به وسیله دستور bar انجام می‌شود. اگر با دستور bar در متلب آشنایی ندارید به پست « نمودار میله‌ای در متلب » مراجعه کنید.
• خط 4، 5 و 6: در این سه خط عنوانی برای محور عمودی، محور افقی و عنوانی برای کل تصویر انتخاب شده است.

با Run کردن m-File، دو تصویر خواهیم داشت:

تصویر اول، تصویر ورودی و تصویر دوم، هیستوگرام تصویر ورودی است. تا اینجا هیستوگرام را برای یک تصویر سطح خاکستری رسم کردیم. اما رسم هیستوگرام در متلب برای تصاویر RGB چگونه است؟

هیستوگرام تصویر رنگی در متلب

تا اینجا توانستیم هیستوگرام یک تصویر سطح خاکستری را رسم کنیم. اما برای رسم هیستوگرام در متلب برای تصاویر رنگی چکار کنیم؟ می‌دانید که تصاویر رنگی شامل سه صفحه هستند. هرکدام از صفحات مربوط به یکی از رنگ‌های سبز، قرمز و آبی است.

برای رسم هیستوگرامِ یک تصویر RGB می‌توان هیستوگرام را برای هرکدام از صفحات به صورت جداگانه محاسبه و رسم کرد. در این صورت هر هیستوگرام حاوی اطلاعاتی در مورد شدت هر رنگ (قرمز، سبز و آبی) در تصویر خواهد بود. محاسبه هیستوگرام هم مانند بخش قبل انجام می‌شود.

دیگر این کدها را توضیح نخواهیم داد، زیرا مشابه حالت قبل است. نتیجه اجرای کد بالا به شکل زیر است:

تحلیل هیستوگرامِ تصویر رنگی

اگر تصویر اصلی را نداشتیم می‌توانستید حدس بزنید چه رنگ‌هایی در تصویر وجود دارد؟؟ به هیستوگرام صفحه قرمز دقت کنید. رنگ قرمز در این تصویر بسیااااار کم است. هیستوگرام رنگ سبز و آبی می‌گویند که در این تصویر بیشتر رنگ آبی و سبز وجود دارند. همچنین غلظت رنگ آبی بیشتر است. بدین ترتیب توانستیم هیستوگرام یک تصویر رنگی را رسم کنیم. در فضاهای رنگی غیر از RGB نیز به همین ترتیب می‌توان هیستوگرام را رسم کرد.

دانلود کدها

جمع‌بندی

در این پست نحوه رسم هیستوگرام در متلب را آموزش دادیم. ابتدا مفهوم هیستوگرام را بررسی کردیم. سپس هیستوگرام را برای تصویر سطح خاکستری و رنگی در متلب رسم کردیم. امیدوارم این آموزش مورد توجه شما قرار گرفته باشد. سوالاتتان را در کامنت بپرسید. در اسرع وقت به سوال‌هایتان پاسخ داده خواهد شد.

درک نمودار هیستوگرام یا Histogram برای نوردهی بهتر در عکاسی

هیستوگرام چیست؟ ميتوان گفت این پرسش به راحتی یکی از پرسش های متداول عکاسی است. یک نمودار هیستوگرام برای یک عكاس بسيار ضروری است.

ما از آنها در دوربین و هنگام ویرایش تصاویر خود استفاده می کنیم. این مقاله نحوه خواندن هیستوگرام را به شما نشان می دهد. و به شما ميگويد كه چگونه می توان کیفیت تصاویر خود را با توجه به هيستوگرام بهبود بخشید.

چرا فهميدن و درك هیستوگرام براى هنر شما مهم و كاربردى است

نمایشگرهای LCD دوربین در نمایش دقیق تصویر بسیار بد هستند. به همین دلیل است که درک هیستوگرام ها بسیار مهم است.

هیستوگرام ها به شما یک نمایش ریاضی از میزان خوب بودن نمایش و يا ارائه عکس می دهند. این به شما کمک می کند تا هنگام عکسبرداری بهترین عکس ممکن را بگیرید و آن را ارائه دهيد.

Histogram چیست و به شما چه كمكى مى كند؟

هیستوگرام یک موضوع علمى است كه به شما نمودارى نشان ميدهد كه ميتوانيد به بررسی نوردهى پس از عكاسى خود بپردازيد. هيستوگرام به شما می گوید که چقدر یک عکس در معرض نوردهى یکنواخت قرار دارد.

صفحه های LCD در انتقال این اطلاعات چندان خوب نیستند. تأثیرات آنها بر اساس شرایط نور محیطی و روشنایی خود صفحه است.

گزینه ای برای مشاهده نمودار هیستوگرام در همه دوربین ها پیدا خواهید کرد. برخی فشرده ها که برای ایجاد عکس به منظره یاب وابسته نیستند ، هیستوگرام را نیز به صورت لحظه ای به شما نشان می دهند.

چگونه هیستوگرام را بخوانیم و آن را درك كنيم؟

روشنایی در مقیاس خاکستری چیزی است که هیستوگرام ایجاد می کند. مشکی در سمت چپ ، سفید در سمت راست و همه سایه های مختلف خاکستری در بین آنها قرار دارد.

در یک تصویر jpg استاندارد ، 256 مقدار مختلف روشنایی ثبت شده وجود دارد. 0 سیاه خالص و 255 سفید خالص است.

یک نمودار هیستوگرام این 256 مقادیر را ترسیم می کند و هر پیکسل از تصویر به یک مقدار اختصاص داده می شود.

حالا بیایید نگاهی به ظاهر آن بیندازیم:

تصویر بالا به درستی نمایش داده شده است. اکثر پیکسل های آن از مقادیر سیاه و سفید در هیستوگرام فاصله دارند.

آنچه ممکن است در عکس سیاه به نظر برسد در واقع سایه خاکستری بسیار تیره است. اگر در شب عکس می گرفتید ، ممکن است نتایج شما بسیار متفاوت باشد.

اما شما همیشه می خواهید از ارزش های مشکی خالص یا سفید خالص دوری کنید. پیکسل ها در این مقادیر به معنای یک تصویر بیش از حد نودهى شده و یا حتى كم نوردهی شده هستند. كه بايد آن را پس بگيريد.

البته در اين امر جزئیاتی را از دست می دهید که در هیستوگرام فتوشاپ قابل بازیابی نیستند. و اگر سایه های رنگ را از دست داده باشيد عکس کاملاً سیاه/سفید است.

در زیر به یک تصویر بیش از حد نوردهی شده و یک تصویر کم نوردهی شده نگاه کنید. و نمودارهای هیستوگرام مربوط به آنها ميشود.

بیش از حد نوردهى شده:

همچنین می توانید نمودارهای هیستوگرام خود را در سه کانال رنگی: قرمز ، سبز و آبی (که به RGB نیز معروف است) مشاهده کنید.

برای عكس ها و تصاويرى كه به طور صحيح و بدون ايراد بر روى آنها كار شده باشد ، در واقع نمودار هیستوگرام چیست ميتوان گفت هيستوگرام آنها اينگونه به نظر می رسد:

این نسخه از نمودار هیستوگرام هنگام عکاسی از اجسام رنگ روشن بسیار مهم است.

در غیر این صورت ، ممکن است در به كار گيرى رنگ ها اشتباه كنيد و تصوير را از رنگ هاى مربوطه منفجر کنید. و قابل ذكر است كه ممكن است در نمودار هیستوگرام اصلی ظاهر نشوند.

این به معنای نوردهى بیش از حدى است که باعث شده اطلاعات را از دست دهید.

اکنون متوجه شده اید که نمودارهای هیستوگرام چگونه کار می کنند. هنگام عکس گرفتن بیشتر متوجه خواهید شد و باعث مى شود که از آنها بیشتر استفاده کنید.

آنها یک راه عالی برای اطمینان از این هستند که شما به درستی از دوربین استفاده كرده ايد. و نكته مثبت اينجا است كه شما را از ستفاده بيش از حد از رایانه برای بهبود عکس تهى مى سازد.

چه زمانی باید از نمودار هیستوگرام استفاده کنیم؟

هیچ پاسخ ساده ای در این مورد وجود ندارد. اگر مبتدی هستید ، باید روی تصاویر خود زمان بگذارید.

این یک راه عالی برای یادگیری است ، و متوجه خواهید شد که وقتی همه چیز را به دست آوردید ، سریعتر در این روند پیشرفت خواهید کرد.

وقتی برای گرفتن عکس می آیید ، و به صحنه خود نگاه می کنید. شما چیزی را پیدا می کنید که به نظر شما را جلب كرده و علاقمند هستيد كه از آن عكس بگيريد ، و در اصل شما موقعیت خود را تعیین می کنید. در مرحله بعد ، ایده اصلی ترکیب بندی را بررسی می کنید و اگر نیاز به حرکت دارید آن را انجام مى دهيد.

برای گرفتن عکس ، باید میزان نوردهی خود را مشخص کنید. دوربین را روی حالت دستی تنظیم کنید و برای تنظیمات بهتر از ISO ، سرعت شاتر و دیافراگم استفاده کنید.

یک عکس بگیرید و بدون حرکت آن را مرور کنید. برای جستجوی ترکیب و نوردهی صحیح ، تصویر را پیش نمایش کنید. به تنظیماتی که به شما امکان می دهد هیستوگرام تصاویر را ببینید ، نگاه کنید.

برای کاربران کانن ، این بدان معناست که هنگام پیش نمایش تصویر خود ، دکمه “Info” را چند بار فشار دهید.

نحوه ترسيم نمودار هيستوگرام (بافت نگار) در نرم افزار اس پي اس اس

در ویدئوی زیر نحوه و مسیر ترسیم نمودارهیستوگرام (یا بافت نگار) در نرم افزار آماری spss نشان داده شده است. از نمودار هیستوگرام برای شناسایی توزیع داده ها و اینکه آیا از توزیع نرمال پیروی می کنند یا خیر و همچنین برای توصیف داده ها استفاده می شود:

تحلیل و تفسیر هیستوگرام این است که چنانچه نمودار بدست آمده با نمودار هیستوگرام داده های دارای توزیع نرمال شباهت و تطابق داشته باشد، می توانیم به صورت شهودی بیان کنیم که داده های ما دارای توزیع نرمال هستند.

براي رسم بافت نگار ابتدا بايد داده‌ها را به بازه‌هاي کوچک افراز (معمولاً طول بازه‌ها برابر در نظر گرفته‌مي‌شود)، سپس تعداد داده‌هاي هر بازه را محاسبه کرد. پس از آن اگر طول بازه‌ها برابر بود، روي هر بازه يک مستطيل با ارتفاع متناسب فراواني آن بازه کشيده مي‌شود. هيستوگرام مي‌تواند تخميني از توزيع احتمال باشد و اولين بار توسط کارل پيرسون به کار گرفته ‌شد.

بنابراین هیستوگرام تعداد (فراوانی) داده ها را در هر بازه که بر روی محور درج شده است، نشان می دهد. توجه شود که این نمودار برای داده ها کمی و پیوسته کاربرد دارد.

از منو بسته های آموزشی، آموزش آزمون نرمال بودن داده ها را ببینید. در آن به طور کامل نمودار هیستوگرام را تبیین و تشریح نموده است:

مفهوم هیستوگرام در عکاسی

نمودار هیستوگرام در بسیاری از نرم‌افزارهای ویرایش عکس و حتی در بسیاری از دوربین‌های دیجیتال دیده می‌شود. همچنین در بسیاری از دوربین‌ها به صورت زنده و در هنگام ثبت عکس می‌توانید این نمودار را در صفحه نمایش ببینید. آنچه در هیستوگرام نشان داده می‌شود اهمیت زیادی دارد. با این حال بسیاری از عکاسان مبتدی به آن توجه زیادی نمی‌کنند؛ زیرا در ابتدا این نمودار کمی پیچیده به نظر می رسد. در این مقاله سعی میکنیم برای مبتدیان توضیح دهیم که هیستوگرام چه چیزی را نشان می‌دهد. امیدواریم در انتهای این مطلب بتوانید این نمودار را بخوانید.

مفهوم عمومی هیستوگرام در عکاسی

هیستوگرام یک نمودار است که به صورت گرافیکی نشان می‌دهد، میزان روشنایی طیف های نور صحنه، در چه محدوده‌ای از سیاه (صفر درصد روشنایی) تا سفید (۱۰۰ درصد روشنایی) واقع شده‌اند. همانطور که در عکس بالا می‌بینید، تاریک‌ترین بخش هیستوگرام در سمت چپ و روشن‌ترین آن در سمت راست قرار دارند. در میانه این نمودار، سایه‌ها، هایلایت‌ها و طیف‌های میانی را می‌بینید. در واقع روشنایی هر پیکسل با عددی بین صفر و ۲۵۵ نمایش داده می‌شود. عدد صفر برای تاریک‌ترین و ۲۵۵ برای روشن‌ترین به کار می‌رود. محور عمودی این نمودار نشان می‌دهد چه مقدار از تصویر در هر سطح از روشنایی قرار دارد. این نمودار وابسته به میزان نوردهی است، اما از عواملی مانند منحنی رنگ و تنظیمات دیگر نیز متاثر است.

کلیپ (حذف شدن) سایه‌ها و هایلایت‌ها

اگر بخش خاصی از نمودار به لبه‌های هیستوگرام برسد، در اصطلاح به آن کلیپ شدن یا حذف اطلاعات طیف گفته می‌شود. در واقع در آن طیفی که به لبه هیستوگرام رسیده است، جزییات از دست خواهند رفت. کلیپ هایلایت‌ها (مناطقی که کاملا سفید بوده و در آن بخش هیچ جزییاتی وجود ندارد) زمانی رخ می‌دهد که نمودار به سمت راست هیستوگرام برسد و کلیپ شدن سایه‌ها (مناطقی که کاملا تاریک بوده و جزییات در آن بخش‌ها دیده نمی‌شود) زمانی رخ می‌دهد که نمودار به سمت چپ هیستوگرام برسد. هر دو این موارد را با تغییر میزان نوردهی می‌توان اصلاح کرد. البته به یاد داشته باشید که تمام این‌ها به صحنه شما بستگی دارد. برای مثال، اگر در صحنه شما خورشید وجود دارد، به دلیل نور زیاد آن، قاعدتا کلیپ هایلایت اتفاق خواهد افتاد.

پس می‌توانید بعد از گرفتن عکس خود هیستوگرام خود را چک کنید و متوجه این شوید که بخشی از نور کلیپ نشده باشد و اگر این چنین است تنظیمات نوردهی خود را تغییر دهید. با این حال اگر عکس را ثبت کردید، می‌توانید تا حدودی آن را در نرم‌افزارهای ویرایش عکس اصلاح کنید. برای به دست‌آوردن جزییات بیشتر در بخش سایه‌های کلیپ شده، می‌توانید مقدار پارامتر سایه‌ها (Shadows) را افزایش دهید (برای مثال ۰٫۳+ یا ۰٫۷+) همچنین برای نمایش بخشی از جزییات در بخش هایلایت‌ها، می‌توانید مقدار پارامتر هایلایت (Highlights) را کاهش دهید (برای مثال ۰٫۳- یا ۰٫۷-)؛ یا به طور کلی مقدار پارامتر نوردهی (Exposure) را تغییر دهید. اگر معمولا هنگام عکاسی، سه پارامتر نوردهی ( ایزو ، دیافراگم ، سرعت شاتر ) را خودتان تغییر می‌دهید، بهتر است این مطلب را درباره تغییر این سه پارامتر با یکدیگر بخوانید.

هیستوگرام و طیف های رنگ

هیستوگرام معمولا اطلاعات مربوط به سه رنگ اصلی قرمز، سبز و آبی که به عنوان هیستوگرام RGB شناخته می‌شوند، را نمایش می‌دهد. همانند آنچه در بالا می‌بینید نمودارهای مختلفی را می‌بینید که هریک رنگ متفاوتی دارند. سه عدد از این نمودارها نشان دهنده قرمز، سبز و آبی بوده و نمودار خاکستری نشان دهنده کانالی است که این سه رنگ با یکدیگر هم‌پوشانی دارند. نمودار زرد (همپوشانی رنگ قرمز و سبز)، Cyan (همپوشانی رنگ سبز و آبی) و Magenta (همپوشانی رنگ قرمز و آبی) را نشان می‌دهد.

هیستوگرام و نوردهی

برخی از عکاسان با ارزیابی این نمودار عکس خود را از نظر نوردهی ارزیابی می‌کنند. معمولا هیستوگرامی خوب است که بیشتر طیف‌های نور در وسط آن قرار داشته باشند و طیف‌های کمی در بخش کناری و لبه هیستوگرام قرار بگیرد. هیستوگرامی بد است که بیشتر طیف‌های نوری در لبه‌ها قرار گرفته باشند. در واقع هنگامی که طیف‌ها در لبه‌های هیستوگرام قرار گرفته باشند، به معنی عکسی تاریک یا underexposure که سایه‌ها کلیپ شده‌اند یا عکسی بسیار روشن یا overexposure که هایلایت‌ها کلیپ شده‌اند؛ به دست خواهید آمد. حتی ممکن است در نمودار هیستوگرام چیست یک عکس هم سایه‌ها و هایلایت‌ها هم زمان کلیپ شوند. اگر با این رویکرد موافق باشیم، هیستوگرامی که در ابتدای این متن قرار داده شده است نشان دهنده عکسی است که کمی تاریک است (زیرا نمودار طیف‌ها به سمت چپ شیفت پیدا کرده است).

بیایید با هم ببینیم که این تئوری صحیح است یا خیر؛ برای این کار در نرم‌افزار لایت‌روم چند تغییر را در عکس‌های زیر ایجاد کردیم:

عکس‌های تاریک (Underexposure)

همانطور که در زیر می‌بینید بخش‌های زیادی از عکس تاریک است. اگر به هیستوگرام عکس که در گوشه آن قرار داده شده است نگاه کنید، متوجه می‌شوید که نمودار کاملا نمودار هیستوگرام چیست در سمت چپ قرار دارد و بیشتر طیف‌ها در محدوده سایه‌ها کلیپ شده‌اند.

عکس‌های روشن (Overexposure)

عکس زیر بسیار روشن است و تقریبا هیچ طیف تاریکی در آن دیده نمی‌شود و بخش زیادی از تصویر کاملا روشن بوده و هیچ جزییاتی در آن دیده نمی‌شود. همانطور که هیستوگرام آن را در گوشه تصویر می‌بینید، اغلب طیف‌ها به سمت راست شیفت پیدا کرده‌اند.

در هیستوگرام بالا مشاده می‌کنید که مقداری از طیف‌ها در میانه قرار دارند. این بخش از طیف‌ها متعلق به کت سوژه می باشد که رنگ آن مشکی است. اگر نور عکس صحیح بود، طیف‌های مربوط به آن باید در بخش سایه‌ها یا سمت چپ هیستوگرام قرار می‌گرفت.

نور مناسب

بیایید هیستوگرام عکس بالا که نور آن مناسب است را آنالیز کنیم. همانطور که می‌بینید، در سمت چپ هیستوگرام طیف کمی قرار دارد که نشان دهنده بخش تاریک عکس است و این بدین معنی است که جزییات از دست رفته در بخش سایه‌ها وجود ندارد. همانطور که در بالا گفته شد، طیف‌های تاریک متعلق به کت سوژه است که بخش کمی از صحنه را به خود اختصاص داده است و طیف‌های تیره با طیف آبی، که متعلق به شال گردن سوژه می‌شود، به پایان رسیده است.

با حرکت به سمت راست هیستوگرام، می‌بینید که طیف‌های تاریک به تدریج کم شده و در میان هیستوگرام منحنی نمودار به اوج خود رسیده است. میانه هیستوگرام متعلق به طیف‌های میانی است که در این عکس نشان دهنده پس زمینه عکس است که فضای بیشتری را از صحنه به خود اختصاص داده است. همانطور که طیف‌ها روشن‌تر می‌شوند، مقدار آن‌ها در هیستوگرام کاهش پیدا می‌کند. زیرا بخش‌های روشن عکس متعلق به صورت و آسمان است که بخش کمتری از فضای صحنه به آن‌ها اختصاص دارد. در نهایت در انتهای هیستوگرام کمی هایلایت وجود دارد که متعلق به بخش روشنتر آسمان و دوربینی که در دست سوژه است، می‌باشد.

ایا باید تنظیمات نوردهی را براساس هیستوگرام انجام دهیم؟

براساس مثالی که در بالا مرور کردیم، هیستوگرامی نشان دهنده نور مناسب است که بیشتر اطلاعات در میانه آن قرار گیرد. آیا این بدین معنی است که باید همیشه بر این اساس میزان نوردهی خود را قضاوت کنیم؟ نه کاملا. بیایید مثال دیگری را با هم مرور کنیم که هیستوگرام کاملا متفاوتی نسبت به عکس بالا دارد.

همانطور که می‌بینید، منحنی هیستوگرام کاملا در سمت راست قرار دارد که نشان دهنده طیف‌های روشن است. اگر بخواهیم تنها براساس هیستوگرام درباره نور این عکس قضاوت کنیم باید می‌گفتیم که نور عکس به یزان قابل توجهی زیاد بوده و عکس Overexpose است. در میانه‌های هیستوگرام طیف‌های کمی دیده می‌شوند و طیفی در بخش سایه‌ها وجود ندارد. با این حال آیا می‌توان گفت که این عکس نور زیادی دارد؟

می‌توان یک نتیجه گیری ساده داشت که هیستوگرام را باید با توجه به نور صحنه ارزایابی کرد. صحت آن بستگی به پارامترهای زیادی دارد. هیستوگرام صرفا میزان طیف‌های نور در سطوح روشنایی مختلف به ما نشان می‌دهد. اساسی ترین و مهم ترین کاربرد هیستوگرام این است که به ما نشان می دهد؛ براساس تنظیمات نوردهی، بخشی از هایلایت‌ها و سایه‌ها کلیپ شده اند یا خیر. پس می‌توانید از این هیستوگرام به عنوان یک راهنما استفاده کنید که در یک طیف، اطلاعاتی در عکس از بین نرود. پس این را فراموش نکنید که هیستوگرام خوب و بد وجود ندارد.

نقش هیستوگرام در عکاسی چیست؟ و چه کاربردی دارد؟

هیستوگرام یـک نمـودار سـاده (نمودار گرافیکی) اسـت کـه مقـدار و چگـونگی قـرار گـرفتن سـطوح روشـن تـا تیـره را در تصویر نشـان مـی دهـد. ایـن نمـودار کـه در اکثـر دوربـین هـای دیجیتـال فعلـی از ۵ پله روشن تـا تیـره تشـکیل شـده، در بـیش تـر LCDهـا قبـل و یـا بعـد از عکـس بـرداری قابـل رؤیت است.وقتی عکاسی میکنید و تصویر را در LCD دوربین نگاه میکنید تصویر بسیار عالی به نظر می رسد ولی وقتی تصویر را در لپ تاپ باز میکنید از نوردهی نامناسب و رنگ‌های کم‌رمق آن جا می‌خورید. نمودار هیستوگرام یکی از مواردی است که در عکاسی دیجیتال به عکاس اجازه می‌دهد تا عکسی که گرفته شده را از طریق صفحه‌نمایش بررسی کند ، نمودار هیستوگرام را به عنوان یک ابزار برای تنظیم نوردهی و رنگ در اختیار عکاس قرار می‌دهند.

۱) هیستوگرام چیست؟

هیستوگرام ها منحنی هایی هستند که بطور مشخص میزان روشنایی (Brightness) پیکسل ها را نمایش می دهند. این منحنی ها بسیار سودمند هستند. دیگر لازم نیست صرفاً به چشمان خود برای تشخیص میزان روشنایی یک عکس تکیه کنید. برای درک واقعگرایانه روشنایی یک عکس کافی است به منحنی هیستوگرام آن نگاه کنید. عکس زیر نمونه ای به همراه هیستوگرام آن است :

همانگونه که می بینید عکس فوق بسیار کم نور است و منحنی هیستوگرام آن هم کاملاً به سمت چپ متمایل شده است. یک مثال دیگر :

عکس فوق نه تاریک و نه روشن است و به عبارتی از نظر روشنایی یک عکس متوسط است. اکثر پیکسل های این عکس از نظر روشنایی نرمال محسوب می شوند. منحنی هیستوگرام این عکس هم تقریباً در وسط قرار گرفته است. مثال بعدی :

میزان روشنایی این عکس از سطح نرمال بالاتر بوده و منحنی هیستوگرام آن کاملاً به سمت راست متمایل شده است.

نتیجه گیری مثال های فوق :

عکس های تیره : هیستوگرام در سمت چپ

عکس های روشن : هیستوگرام در سمت راست

عکس های متوسط : هیستوگرام در وسط

آنالیز یک منحنی هیستوگرام به شرح زیر است :

Blacks (سیاه‌ها) : نواحی تاریکِ دارای جزئیات غیرقابل تشخیص

Shadows (نواحی تاریک (سایه ها)) : نواحی تاریکِ دارای جزئیات قابل تشخیص

Midtones (تون‌های میانی (خاکستری)) : نواحی دارای جزئیات واضح و تنوع رنگی قابل‌تشخیص

Highlights (نواحی روشن) : نواحی روشنِ دارای جزئیات قابل تشخیص

Whites (سفید‌ها) : نواحی روشنِ دارای جزئیات غیرقابل تشخیص

۲- چرا هیستوگرام ها مهم هستند ؟

غیر از آنچه در مورد بررسی میزان روشنایی یک عکس توسط هیستوگرام بیان شد، دلایل دیگری نیز برای اهمیت هیستوگرام ها وجود دارند. شاید یکی از دلایل مهم کاربرد نمودار گرافیکی در عکاسی، بررسی میزان جزئیات(Details) در نواحی سایه و روشن عکس هستند.

مسلماً هنگامی که منحنی هیستوگرام در یکی از طرفین چپ یا راست قرار می گیرد – سیاه یا سفید – قسمتی از اطلاعات تصویر در آن ناحیه از بین می رود. همانطور که در عکس زیر می بینید، میزان جزئیات در نواحی روشن عکس بسیار کاهش یافته است. این امر در منحنی هیستوگرام آن به شکل ستونی بلند در سمت راست دیده می شود:

در عکس زیر نیز موردی مشابه اما این بار در قسمت های تیره عکس وجود دارد :

در عکس فوق، مقداری از جزئیات در درختان تیره از بین رفته اند. این را براساس هیستوگرام نیز می توان دریافت، آنجایی که ستون بلندی کاملاً چسبیده به سمت چپ منحنی دیده می شود.

هنگامی که در فضای باز عکاسی می کنید با توجه منحنی هیستوگرام عکس می توانید تشخیص دهید جزئیات در کدام قسمت های تصویر از دست رفته اند. اگر منحنی در نواحی روشن دارای ستونی بلند و کاملاً چسبیده به سمت راست باشد.

یعنی جزئیات در نواحی روشن وجود ندارد و این بدترین اتفاق ممکن است زیرا بازیابی اطلاعات از نواحی بشدت روشن و فاقد جزئیات معمولاً امکان پذیر نیست در حالی که می توان جزئیات از دست رفته در نواحی سایه ها را تا حد زیادی بازیابی نمود. بنابراین دقت در عدم نوردهی بالا کاملاً ضروری است.

۳- چگونه از هیستوگرام استفاده کنیم ؟

استفاده از هیستوگرام بسیار ساده است و درواقع لازم نیست به تمام منحنی نگاه کنید. کافی است به به سمت راست منحنیف آنجایی که مربوط به نواحی روشن عکس است توجه کنید و ببینید آیا ستونی بلند و کاملاً چسبیده در سمت راست وجود دارد ؟ به عنوان مثال به منحنی زیر توجه کنید. این منحنی مربوط به تصویر تپه های شنی در سطور قبلی می باشد :

همانطور که می بینید عکس دارای نوردهی اضافی است.( OverExpose) بدلیل وجود ستون بلند در منتهی الیه سمت راست منحنی می توان نتیجه گرفت که قسمت هایی از تصویر کاملاً سفید هستند؛ و این اصلاً خوب نیست.

هرچند بطور کلی وجود ستون بلند در ناحیه سمت راست منحنی همیشه یک ایراد نیست، مثل موقعی که خورشید در کادر باشد، اما بطور معمول بایستی از این امر اجتناب نمایید.

۴- هیستوگرام رنگی

هیستوگرام هایی که تا کنون ملاحظه کردید همگی مربوط به تصاویر سیاه و سفید بودند. در عکس های رنگیف هیستوگرام ها کمی پیچیده تر می شوند. این بدلیل وجود گیرنده های نوری سبز، آبی و قرمز در هر پیکسل حسگر دوربین شما می باشد. بنابر این بطور طبیعی یک هیستوگرام رنگی دارای اجزا قرمز، سبز و آبی می باشد. به عکس زیر توجه کنید :

از بررسی این منحنی نتایج جالبی حاصل می شود : ممکن است شما اطلاعاتی را در یک رنگ از دست بدهید در حالی که در اطلاعات رنگ های دیگر باقی بمانند. همانند عکس زیر ممکن است در نواحی آبی نور خیلی زیادی داشته باشید ولی نواحی قرمز و سبز عادی باشند. آیا این امر مشکلی ایجاد می کند ؟

بله این امر مشکل ایجاد می کند. این بدان معنی است که ممکن است شما برخی اطلاعات نواحی روشن را بازیابی نمایید اما در این حالت رنگ ها در نواحی روشن صحیح به نظر نخواهند آمد. بدلیل آن که مقداری از اطلاعات رنگ آبی را از دست داده اید رنگ ها در جهات عجیبی جابجا می شوند.

نوردهی اضافی یکی از کانال های رنگی به همان بدی نوردهی اضافی تمامی آن هاست.

خوشبختانه بسیاری از دوربین های DSLR قابلیت نمایش هیستوگرام های رنگی هر سه کانال را بطور همزمان دارند، اما ممکن است لازم باشد آن را در دوربین فعال نمایید.

۵- جایگزین هیستوگرام

برای بررسی میزان نوردهی عکس ها می توان از ابزاری دیگر به نام اخطار نواحی روشن نیز استفاده نمود. این عمکرد هنگام فعال بودن، قسمت هایی از عکس را که نوردهی اضافی داشته اند بصورت جشمک زن نمایش می دهند.

اگر چه این ابزار چشمک زن نمی تواند کانال های رنگر را نمایش دهد اما برای بسیاری از افراد درک آن از نمودار گرافیکی ساده تر است. آن ها همچنین می توانند ناحیه دقیی را که دارای نور اضافی است نشان دهند.

۶-هیستوگرام JPEG

ذکر این نکته ضروری است اگرچه هیستوگرام ها کمک زیادی به تشخیص دقیق میزان روشنایی عکس ها می کنند اما درواقع آن ها قادر به نمایش تمامی اطلاعات درون یک فایل RAW نیستند. به عبارتی دیگر، ممکن است طبق منحنی نمودار گرافیکی یک عکس نواحی روشن دارای نوردهی اضافی بوده و اطلاعات و جزئیات از دست رفته اند اما شما بتوانید به کمک نرم افزارهای ویرایش عکس، میزان زیادی از جزئیات عکس را در آن ناحیه بازیابی نمایید.

دلیل این امر این است که حتی اگر عکس ها را بصورت فایل RAW ذخیره می کنید، نمایش آن ها در دوربین بصورت JPEG بوده و هیستوگرام هم نمایش اطلاعات فایل JPEG می باشد. بنابراین توصیه می شود اگر بصورت RAW عکسبرداری می کنید به نمایش نمودار گرافیکی درون نرم افزار دقت کنید. بطور کلی توصیه می شود تنظیمات مربوط به پارامترهای تصویر ( کنتراست، اشباع رنگ و . . . ) را در هنگام عکسبرداری JPEG در نرمال ترین حالت قرار دهید تا منحنی هیستوگرام تحت تاثیر این تنظیمات قرار نگیرد.