Частотное разложение на 3 частоты: «Adobe Photoshop. Продвинутый уровень». Занятие 9. — Главная

Содержание

«Adobe Photoshop. Продвинутый уровень». Занятие 9.

Конспект к девятому занятию курса «Adobe Photoshop. Продвинутый уровень» в его гибридной версии, стартовавшей в 2019 году. Курс состоит из 5 видоезанятий и 5 онлайн занятий. Конспекты сделаны только для видеозанятий, поскольку на онлайн занятиях идет разбор пройденной темы и домашних заданий. Здесь можно посмотреть полное описание и программу курса.

Перед записью на любой курс по Adobe Photoshop очень рекомендую прйти тест на знание программы. Как показывает опыт, самостоятельная оценка собственных знаний не всегда адекватно отражает их действительный уровень.

Дополнительные материалы — материалы, рекомендованные к изучению в процессе прохождения курса.
Для самостоятельного изучения — материалы, рассчитанные на самостоятельное освоение не только в процессе, но и по окончании курса.

Для стандартизации внешнего вида, обеспечения стабильности и удобства доступа, данные материалы представлены в виде документов Evernote с упрощенным форматированием. Чтобы перейти к оригиналу статьи, кликните по адресу сайта непосредственно под ее названием.

Для лучшей связи конспекта и занятия в соответствующих местах помещены миниатюры разбираемых в этот момент изображений.

Задачи на занятие
1. Освоить ручное разложение на 2 и 3 полосы пространственных частот
2. Научиться подбирать радиус разложения под конкретную задачу
3. Наработать первичные навыки пользования инструментами при ретуши низких и верхних частот
4. Разобрать автоматизацию процесса и настройки экшенов под свои собственные задачи

Дополнительные материалы:
Андрей Журавлев «Частотное разложение. Ultimate. Конспект и видео»
Евгений Карташов. «Рецепты частотного разложения»
Для самостоятельного изучения:
Liveclasses. Частотное разложение на пальцах
Liveclasses. Управление визуальным объемом и резкостью изображений
Liveclasses. Зрительное восприятие: от физиологии к образу
Алексей Шадрин. «Управление визуальным объемом фотографических изображений»
Александр Миловский. «Муар нам только снится»

Тема 9. Разложение на пространственные частоты.

9.1 Что такое пространственные частоты

Пространственная частота — это частота с которой меняется яркость при перемещении по горизонтали или вертикали

Чем выше частота, тем быстрее меняется яркость, соответственно тем мельче детали, которые она задает

Низкие частоты задают общее распределение яркости и цвета на изображении, проявляя самую общую форму объектов

Средние частоты уточняют картинку, созданную низкими частотами, привнося в нее локальные контрасты, то есть форму и объемы более мелкой детализации

Верхние частоты добавляют самую мелкую детализацию и фактуру поверхностей

Самые верхние частоты отвечают за микро контрасты на контрастных границах, то есть за резкость этих границ

9.2 Общие принципы частотного разложения

Для выделения низких частот используются низкочастотные фильтры, которыми в Photoshop являются все фильтры размытия

Чем больше значения параметра Radius (Радиус), тем более крупная детализация будет подвергаться размытию и исчезать с низкочастотного слоя, тем ниже будут оставшиеся на нем частоты

Если для выделения низких пространственных частот используется фильтр Gaussian Blur (Размытие по Гауссу), то для выделения верхних пространственных частот можно использовать взаимно-дополнительный к нему фильтр High Pass (Краевой контраст), применив его с таким же значением параметра Radius (Радиус)

Фильтр High Pass (Краевой контраст) выдает результат вычитания размытой картинки из исходной, то есть показывает детали, которые размыл на изображении Gaussian Blur (Размытие по Гауссу), при применении с таким же значением параметра Radius (Радиус)

Эти детали отображаются в виде отклонения от средне-серого цвета (отклонения от средней яркости в каждом канале)

Создание очередной частотной полосы нужно производить на базе исходного изображения, скопировав его на новый слой

Чтобы добавить получившуюся на высокочастотном слое детализацию к расположенному ниже размытому изображению можно использовать режим наложения Linear Light (Линейный свет)

Поскольку режим Linear Light (Линейный свет) добавляет к ниже лежащему изображению удвоенное отклонения яркости текущей картинки от средне-серого, перед наложением нужно понизить контраст высокочастотного слоя в два раза относительно средней яркости

Это можно сделать при помощи кривых (Curves) подняв черную точку в позицию (0; 64) и опустив белую в позицию (255; 192)

Категорически нельзя использовать для понижения контраста высокочастотного слоя уменьшение его непрозрачности до 50%, поскольку такая манипуляция не дает правильный результат!!!

После разложения изображения на частотные полосы и сложения из них композитной картинки нужно сравнить ее с исходном. Если разницы нет, значит все было сделано правильно

9.3 Часто совершаемые ошибки

Ошибка 1: для создания новой частотной полосы используется копия не исходного, а уже размытого изображения

Результатом такой ошибки будет отсутствие мелких деталей на изображении

Ошибка 2: несовпадения значения параметра Radius (Радиус) у фильтров Gaussian Blur (Размытие по Гауссу) и High Pass (Краевой контраст)

Если значение Radius (Радиус) у Gaussian Blur (Размытие по Гауссу) было больше, чем у High Pass (Краевой контраст), произойдет выпадение некоторой полосы средних частот, и на изображении будет заметен некоторый эффект размытия, напоминающий работу софт-фильтра, при сохранении резкости мелких деталей

Если значение Radius (Радиус) у Gaussian Blur (Размытие по Гауссу) было меньше, чем у High Pass (Краевой контраст), произойдет усиление некоторой полосы средних частот, и на изображении усилится объем мелких и средних деталей. Результат будет напоминать применение регулировки Clarity (Четкость) в конвертере

Ошибка 3: в настройках кривых крайние точки окажутся не в позициях (0; 64) для точки черного, и (255; 192) для точки белого

В зависимости от того, в какую сторону от правильного положения сместится кривая, результат получится немного светлее или темнее исходника

Ошибка 4: режим наложения Linear Light (Линейный свет) задается корректирующему слою кривых, задача которого снизить контраст высокочастотной картинки

В результате такого наложения контраст деталей на высокочастотном слое сильно увеличится, что на композитной версии будет выглядеть как сильный перешарп

Ошибка 5: для сложения картинки был использован не режим Linear Light (Линейный свет), а какой-то другой

В результате фактура с высокочастотного слоя проявится недостаточно активно и картинка будет выглядеть слегка размытой

Ошибка 6: непрозрачность какого-то из слоев будет меньше 100%

В зависимости от того, с каким слоем это произойдет, мелкая детализация либо усилится, либо ослабится

Уменьшение непрозрачности слоя может произойти если во время работы с ним была задета цифровая клавиша на клавиатуре

9.4 Инструменты и настройки. Низкие частоты

Ретушь полосы частот производится на копии слоя соответствующей полосы частот, что позволяет, с одной стороны, сохранить неизменным исходное изображение соответствующей частотной полосы, а с другой стороны, в процессе ретуши не обращаться к информации за пределами слоя, на котором производится ретушь

Ретушь на слое низких частот как правило делается полупрозрачными инструментами с максимально мягкими кистями, поскольку это позволяет более мягко и плавно сопрягать полутоновые переходы

Работа инструментом «Штамп» (Clone Stamp Tool) с полупрозрачной мягкой кистью позволяет плавно наносить на ретушируемые участки новый цвет, не теряя при этом контраста фактуры

Работа инструментом «Кисть» (Brush Tool) с полупрозрачной мягкой кистью позволяет закрашивать сильно выбивающиеся по яркости и цвету участки в цвет в цвет окрестных областей

При работе инструментом «Кисть» (Brush Tool) нужно стараться не наносить много мазков одним и тем же цветом на одно место, поскольку это приводит к появлению однородно окрашенных плоских пятен

Чтобы минимизировать подобный эффект можно регулярно забирать цвет для рисования с близлежащих участков, кликая по ним с зажатой клавишей «Alt»

Для разглаживая полутоновых переходов можно использовать инструмент «Микс-кисть» (Mixer Brush Tool), который является более продвинутой версией инструмента «Палец» (Smudge Tool), и занимается «растиранием» уже имеющейся на изображении краски

В поле Current brush load (Текущая заполненность кисти) в палитре Options (Параметры) нужно отдать команду Clean Brush (Очистить кисть) и убедиться, что в данном поле отображается клетчатая пиктограмма, обозначающая непрозрачность

В противном случае инструмент будет не просто растирать уже присутствующие на изображении краски, но и добавлять имеющийся на нем цвет

Кнопка Load the brush after each stroke (Заполнять кисть после каждого мазка) должна быть деактивирована, чтобы кисть не запоминала краску, забранную на предыдущем мазке

Кнопка Clean the brush after each stroke (Чистить кисть после каждого штриха) должна быть активирована, чтобы кисть очищалась от краски, которую могла забрать на предыдущем мазке

Настройки параметров Wet (Влажн.), Load (Заполн.), Mix (Смеш.) нужно установить на 25%-30%, поскольку именно при таких настройках микс-кисть наиболее аккуратно имитирует растирающую краски на изображении

С помощью настройки параметра Flow (Наж.) меняем скорость, с которой инструмент вносит изменения в изображение

Ключ Sample All Layers (Все сл.) должен быть дезактивирован, чтобы при вкрученном отображении верхних частот не происходил их перенос на слой ретуши нижних частот

Для выравнивания неоднородностей при сохранении полутонового перехода движения микс-кистью производятся вдоль линий сохранения яркости (вдоль границы перехода)

Для выравнивания неоднородностей с одновременным удалением (разглаживанием) полутонового перехода движения микс-кистью производятся поперек линий сохранения яркости (поперек границы перехода)

9.5 Инструменты и настройки. Высокие частоты

Ретушь полосы частот производится на копии слоя соответствующей полосы частот, что позволяет, с одной стороны, сохранить неизменным исходное изображение соответствующей частотной полосы, а с другой стороны, в процессе ретуши не обращаться к информации за пределами слоя, на котором производится ретушь

Это особенно важно при ретуши верхних частот, если при этом хочется видеть на экране ужо собранное финальное изображение

Ретушь верхних частот производится штампом с максимальной жесткой кистью и стопроцентной непрозрачностью, это позволяет предотвратить замаливание фактур на полупрозрачных участках заплатки

Основной особенностью при такой работе является настройка штампа Sample: Curent Layer (Образец: Активный слой)

Если оставить штампу привычную настройку Sample: Curent & Below (Образец: Активный и ниже), при ретуши с визуализацией всех пространственных частот (на экране готовое изображение) на высокочастотный слой будет переноситься композитное изображение, что приведет к неадекватно виду картинки

Визуально это будет проявляться в виде появления на коже пятен «позолоты» или «йода»

Особое внимание нужно уделить ретуши участков в окрестностях контрастных границ, поскольку при применении для разложения фильтров Gaussian Blur (Размытие по Гауссу) и High Pass (Краевой контраст) на высокочастотном слое в этой зоне появляются ореолы, а их удаление приводит к затягиванию на участок цвета с противоположной стороны границы

Использование других инструментов кроме штампа при ретуши верхних частот нецелесообразно

9.6 Подбор радиуса

Радиус при разложении выбирается исходя из желания ретушера «выдавить» дефекты на верхнюю или нижнюю полосу частот

Данное желание зависит не только от навыков работы конкретного ретушера с теми или иными инструментами, но и от его личных пристрастий и привычек

Если ретушеру удобнее исправлять дефекты на верхних частотах, радиус подбирается настолько большим, чтобы все неровности ушли с низких частот

В таком случае удобнее делать визуализацию по низкой частоте, то есть начинать с применения фильтра Gaussian Blur (Размытие по Гауссу), плавно увеличивая радиус до такого минимального значения, при котором дефекты перестанут отображаться на низких частотах

Если ретушеру удобнее исправлять дефекты на нижних частотах, радиус подбирается настолько маленьким, чтобы все неровности остались на низких частотах

В таком случае удобнее делать визуализацию по верхней частоте, то есть начинать с применения фильтра High Pass (Краевой контраст), задав изначально достаточно большой радиус и плавно уменьшая его до такого максимального значения, при котором дефекты перестанут отображаться на верхних частотах

Для ретуши портретов можно указать приблизительные соотношения размеров лица и значения параметра Radius (Радиус), при которых с низких частот удаляются детали определенного типоразмера

При вычислении радиусов удобнее отталкиваться от высоты лица, так как она меньше зависит от ракурса съемки

Для удаления аккуратной фактуры кожи необходимо взять значение Radius (Радиус) порядка 1/280 — 1/250 от высоты лица

Для удаления мелких дефектов (прыщи, морщины и т.п.) необходимо взять значение Radius (Радиус) порядка 1/100 — 1/120 от высоты лица

Для удаления крупных дефектов (подглазины, шрамы и т.п.) необходимо взять значение Radius (Радиус) порядка 1/50 — 1/60 от высоты лица

9.7 Ретушь верхних частот

Разложение начинается с применения фильтра Gaussian Blur (Размытие по Гауссу), у которого плавно увеличивается радиус до такого минимального значения, при котором дефекты перестанут отображаться на низких частотах

Высокочастотный слой формируется при помощи фильтра High Pass (Краевой контраст), который применяется со значением Radius (Радиус), аналогичным использованному на предыдущем шаге в фильтре Gaussian Blur (Размытие по Гауссу)

Ретушь производится на копии высокочастотного слоя, либо помещенного с ним в одну группу, либо привязанного к оригиналу с помощью команды Create Clipping Mask (Создать обтравочную маску)

Для ретуши используется штамп с максимальной жесткой непрозрачной кистью и настройкой Sample: Curent Layer (Образец: Активный слой)

Таким образом с изображения легко удаляются мелкие дефекты: родинки, прыщики, морщинки, мелкие шрамы, сосуды и капилляры (как на склере глаза, так и просвечивающие через кожу), выбившиеся из прически волоски, щетина и пушок на лице, края контрастных границ, и т.п.

Для лучшего контроля над деталями можно временно отключить корректирующий слой кривых, понижающий контраст высокочастотного слоя (или включить слой кривых, повышающий контраст высокочастотного слоя при честном разложении)

9.8 Ретушь низких частот

Разложение начинается с применения фильтра High Pass (Краевой контраст), у которого задается изначально достаточно большой радиус и плавно уменьшается до такого максимального значения, при котором дефекты перестанют отображаться на верхних частотах

Низкочастотный слой формируется при помощи фильтра Gaussian Blur (Размытие по Гауссу), который применяется со значением Radius (Радиус), аналогичным использованному на предыдущем шаге в фильтре High Pass (Краевой контраст)

Ретушь производится на копии высокочастотного слоя, для удобства и единообразия помещенного с ним в одну группу, либо привязанного к оригиналу с помощью команды Create Clipping Mask (Создать обтравочную маску), хотя это и не обязательно

Для ретуши на первом этапе может использоваться инструмент «Кисть» (Brush Tool), а в последующем инструменты «Штамп» (Clone Stamp Tool) и «Микс-кисть» (Mixer Brush Tool)

Все инструменты применяются с максимально мягкими полупрозрачными кистями

Таким образом с изображения можно легко удалить как пятна, созданные светл-теневым рисунком, то есть неровности на различных материалах (кожа, ткань, обивки мягких поверхностей, твердые поверхности и т.п.), так и пятна созданные различной окраской разных участков объекта (пигментные пятна и покраснения на коже, неоднородности окраски древесины, пятна жира и краски на любой поверхности и т.п.)

9.9 Ретушь двух полос частот

Существуют дефекты, которые невозможно выдавить на отдельную полосу частот, поэтому их приходится ретушировать как на низких, на и на высоких частотах

Чаще всего такими дефектами являются слишком жесткие акцентированные тени или объекты со слишком резкими и четкими краями

Преимущество такого подхода, по сравнению с ретушью композитного изображения, состоит в том, что работа с формой и цветом производится на низкочастотной составляющей, без оглядки на фактуру поверхности и резкие края, а ретушь жестких границ делается на высокочастотной составляющей, без привязки к цвету конкретного участка изображения

9.10 Ретушь «металлических» бликов на коже

Слишком яркие блики на коже, часто называемые «металлическими», яркий пример дефекта, который нужно ретушировать на двух полосах частот

Разложение производится с таким радиусом, чтобы вся фактура кожи и мелкие детали «ушли» на верхние частоты

Ретушь нижних частот начинается с закрашивания особенно ярких участков бликов с помощью инструмента «Кисть» (Brush Tool) (подробности настроек и применения смотри в разделе 9.4)

Если ретушеру это более удобно, работу инструментом «Кисть» (Brush Tool) можно заменить на «Штамп» (Clone Stamp Tool)

После выравнивания цвета на участках бликов производится их разглаживание с помощью инструмента «Микс-кисть» (Mixer Brush Tool)

Сначала движения этим инструментом делаются только в центр блика, таким образом цвет с окрестных участков «натягивается» на ликующую область, еще больше выравнивая ее по сравнению с соседними участками

После этого растирка делается через область блика в обе стороны, чтобы максимально сгладить и смягчить полутоновые переходы на данном участке

После ретуши низких частот не забудьте про верхние!

Если блик пробойный и вообще не содержал фактуры, она переносится с целых участков кожи

Если фактура на бликах изначально была, она будет более контрастной, чем на остальных участках изображения, поэтому ее контраст нужно понизить

Чтобы фактура не выглядела «замыленной», при понижении ее контраста нужно замещать ее другой фактурой

Выделяем на изображении подходящий по размеру участок высокочастотного слоя с подходящей фактурой и копируем его на отдельный слой

Переносим эту заплатку на место блика и уменьшаем ее непрозрачность, таким образом смягчая изначально слишком контрастную фактуру, и частично сохраняя ее для обеспечения более естественного вида изображения

9.11 Ретушь и продление однородных фонов

После ретуши на достаточно однородных участках с низко контрастной фактурой часто остаются достаточно крупные низко контрастные пятна

Для удаления этих пятен проще всего разложить изображение на пространственные частоты, выдавив всю фактуру на высоко частотный слой, а после этого отретушировать низко частотный слой полупрозрачной мягкой кистью или аналогичным штампом

При необходимости продлить достаточно однородный фон поступаем аналогично: раскладываем изображения, выдавив всю фактуру на высоко частотный слой, на низких частотах продолжаем фон при помощи градиентной или обычной заливки, дорабатывая его большой мягкой полупрозрачной кистью, а на верхних частотах просто планируем имеющуюся на фоне фактуру

Тема 10. Сложные варианты разложения и автоматизация.

10.1 Разложение без применения фильтра High Pass (Краевой контраст)

Вычисление верхних частот можно проводить без применения фильтра High Pass (Краевой контраст), и тому есть три причины

Во-первых, фильтр High Pass (Краевой контраст) дает ошибку

Во-вторых, применение этого фильтра невозможно, если для размытия используется не Gaussian Blur (Размытие по Гауссу), а другой фильтр размытия

В-третьих, когда при написании экшена нужно избавить пользователя от необходимости запоминать радиус и вводить его второй раз

Про «ошибку High Pass»: при вычитании размытой версии из исходной максимальный диапазон составляет от -256 (вычитаем белый из черного) до 256 (вычитаем черный из белого), то есть 512 значений

В то же время, максимально возможные отклонения от средней яркости на высокочастотном слое составляют от -128 (затемнение) до 127 (осветление)

При наличии мелких деталей на массивном фоне отличающихся по яркости более чем на 128 уровней High Pass (Краевой контраст) ошибается, обычно это случается на точечных бликах расположенных на темном объекте

Чем больше радиус размытия, тем больше сама ошибка и вероятность ее появления, хотя на практике, при малых радиусах разница является «гомеопатической» и рассматривать ее как реальную проблему можно только с академической точки зрения

При больших радиусах данная ошибка составляет реальную проблему, поскольку «гасит» мелкие блики

Альтернативой High Pass (Краевой контраст) является создание высокочастотного слоя путем наложения на копию исходного изображения его размытой версии при помощи команды Apply Image (Внешний канал) в режиме Subtract (Вычитание) с установками Scale: (Масштаб:) 2 Offset: (Сдвиг:) 128

В поле Scale: (Масштаб:) устанавливается во сколько раз будет уменьшаться результат вычитания наложенной яркости из исходной, а в поле Offset: (Сдвиг:) задается какое значение нужно добавить к получившемуся результату

При помощи таких настроек диапазон значений после вычитания (-256: 256) приводится к имеющемуся у нас в распоряжении диапазону яркостей (0; 256)

Применять корректирующий слой кривых понижающий контраст к высокочастотному слою в данном случае не нужно, поскольку он уже понижен установкой Scale: (Масштаб:) 2

10.2 Настройки для 16-битных изображений

При вычислении высокочастотной составляющей при помощи режима наложения Subtract (Вычитание) у 16-битных изображений появляется ошибка величиной в 1 восьмибитный (128 шестнадцатибитных) уровень

Чтобы избежать этой ошибки при работе в 16-битном режиме вместо режима наложения Subtract (Вычитание) используют режим Add (Добавление) с активированным ключом Invert (Инвертировать) и установками Scale: (Масштаб:) 2 Offset: (Сдвиг:) 0

10.3 Применение альтернативных фильтров размытия

«Честное» вычисление высокочастотной составляющей позволяет перейти от применения фильтра Gaussian Blur (Размытие по Гауссу) к любым другим фильтрам размытия

В случае применения для получения низкочастотной составляющей фильтра Gaussian Blur (Размытие по Гауссу) вдоль контрастных границ создаются сильные ореолы, ретушь в этой области может привести к «затягиванию» на объект цвета соседнего фона

Данная проблема проявляется тем более сильно, чем больше радиус размытия, поскольку в этом случае ореолы становятся более массивными и плотными

Чтобы избежать такой проблемы низкочастотную составляющую можно создавать при помощи фильтра Surface Blur (Размытие по поверхности)

При использовании Surface Blur (Размытие по поверхности) границы, имеющие перепад яркости больше уровня установленного регулятором Threshold (Изогелия), практически не размываются

На практике удобнее всего подобрать значение Radius (Радиус) при установленном на максимум параметре Threshold (Изогелия), а потом уменьшать значение Threshold (Изогелия) до восстановления резкости контрастных границ

Такой прием упрощает ретушь высокочастотной составляющей в окрестностях контрастных границ, а при переделке фонов облегчает и доработку низкочастотной составляющей в этой же зоне

Как более простая и быстрая альтернатива фильтру Surface Blur (Размытие по поверхности) может использоваться фильтр Median (Медиана), впрочем, в некоторых случаях, этот фильтр может оказаться даже более полезен, чем Surface Blur (Размытие по поверхности)

10.4 Разложение на 3 полосы частот

Основная идея разложения на три полосы частот состоит в том, чтобы выдавить все дефекты на слой средних частот

Таким образом можно бороться с объектами определенного типоразмера, например веснушками

Кроме того, в средних частотах находится большинство «старящих» элементов: глубина морщин, жилистость, вены, провисания, мешки под глазами и т.п.

Реже ретушируют все три полосы, в этом случае процесс аналогичен разделению на 2 полосы, но позволяет проще работать объектами разного типоразмера

В целом такое разложение напоминает разложение на два полосы частот, только значения параметра Radius (Радиус) на начальном этапе выбираются не одинаковыми

Сначала для низкочастотной составляющей, для фильтра Gaussian Blur (Размытие по Гауссу), подбираем такой значение Radius (Радиус), чтобы с нее исчезли все ненужные неровности

Потом формируем высокочастотную составляющую, подобрав такое значение фильтра High Pass (Краевой контраст), чтобы на ней не проявлялись ненужные неровности

В конце формируем вреднечатотную составляющую, начав работу с копии исходного изображения, и применив к ней фильтр High Pass (Краевой контраст) с такими же настройками, как у Gaussian Blur (Размытие по Гауссу), примененному к слою низких частот, и Gaussian Blur (Размытие по Гауссу) с такими же настройками, как у High Pass (Краевой контраст), примененному к слою верхних частот

Для сложения картинки понижаем в два раза контраст средних и верхних частот вокруг средне-серого и накладываем их в режиме Linear Light (Линейный свет) на лежащее ниже изображение

Ретушь средних частот производится аналогично описанной ранее ретуши нижних частот

Преимущество данного метода в том, что даже при очень размашистых и неаккуратных движениях, аккуратная форма объекта сохранится, поскольку она находится на низких частотах, которые мы не затрагиваем

10.5 Упрощенная ретушь средних частот

Ретушируя средние частоты, мы прежде всего убираем лежащие в них излишние локальные объемы, это можно сделать проще, не раскладывая изображение на три полосычастот, а выделив только среднечастотную составляющую, вычесть ее из исходного изображения

Вычитание должно быть локальным: только на участках где присутствует лишний объем, пропорционально степени его подавления

Подбор значения Radius (Радиус) для выделения средних частот аналогичен предыдущему примеру, поэтому фильтры придется использовать «шиворот-навыворот», то есть подбирать радиус для High Pass (Краевой контраст) удобнее через Gaussian Blur (Размытие по Гауссу) и наоборот

Делаем копию исходного слоя, вызываем Gaussian Blur (Размытие по Гауссу), плавно увеличиваем радиус пока не исчезнут ненужные детали, запоминаем его значение и нажимаем Cansel (Отмена)

Вызываем High Pass (Краевой контраст), задаем заведомо большой радиус и плавно уменьшаем его, пока не пропадут ненужные объемы, запоминаем его значение и вводим радиус, подобранный на предыдущем шаге, применяем Gaussian Blur (Размытие по Гауссу) с радиусом подобранным на предыдущем шаге

Желательно, чтобы значения Radius (Радиус) отличались не больше, чем в три раза, иначе будет удаляться слишком широкая полоса частот, что приведет к неестественно равномерной форме

Инвертируем изображение командой Image > Adjustments > Invert (Изображение > Коррекция > Инверсия)

В два раза понижаем контраст вокруг средней точки с помощью прямой коррекции: Image > Adjustments > Curves (Изображение > Коррекция > Кривые)

Меняем режим наложения получившегося слоя на Linear Light (Линейный свет)

На слой, вычитающий средние частоты из исходного изображения, добавляем черную маску

Белой кистью по маске прорисовываем те участки, на которых нужно подавить крупные детали

Данный прием нужно с аккуратностью применять к коже, поскольку он дает слишком правильную, механистически-чистую форму, что смотрится не естественно

Однако, такой прием идеально подходит для разглаживая одежды, драпировок, и всего, что мы воспринимаем как «не кожу»

10.6 Устройство и работа экшенов

Для ускорения и оптимизации процесса работы все рутинные операции можно записать в экшена, оставив на долю человека только подбор радиуса

Преимущество экшенов перед панельками и плагинами состоит в том, что пользователь может самостоятельно их модифицировать, настроив под свои задачи

Процесс написания и модернизации экшенов не входит в рамки данного курса, поэтому на все возникшие вопросы преподаватель может факультативно ответить на онлайн занятии

Экшен «2_FB_Low» — разложение на две полосы частот с визуализацией по нижней полосе, для ретуши используются слои помеченные красным цветом, для усиления деталей можно включить видимость корректирующего слоя кривых

Экшен «2_FB_High» — разложение на две полосы частот с визуализацией по верхней полосе, для ретуши используются слои помеченные красным цветом, для усиления деталей можно включить видимость корректирующего слоя кривых

Экшен «3_FB» — разложение на три полосы частот, визуализация разделения между низкими и средними частотами делается по низкой частоте (первый подбор радиуса), визуализация разделения между средними и верхними частотами делается по верхней частоте (второй подбор радиуса), для ретуши используются слои помеченные красным цветом

Экшен «Inverted_HighPass» — упрощенный метод ретуши (подавления) средних частот, визуализация разделения между низкими и средними частотами делается по низкой частоте (первый подбор радиуса), визуализация разделения между средними и верхними частотами делается по верхней частоте (второй подбор радиуса), для ретуши нужно рисовать белым цветом на маске слоя «Inverted_HighPass»

© Андрей Журавлев (aka zhur74), 2012 г.
Редакция третья (2020 г.) переработанная и дополненная.
Первая публикаци https://zhur74.livejournal.com/101357.html

Урок Photoshop • Выравнивание тона кожи методом частотного разложения

Продолжая «Санта Барбару» по методам ретуширования предлагаю к рассмотрению ещё один, пожалуй, дающий самый качественный результат. Однако требующий некоторых навыков работы с инструментами фотошоп и собственно времени на реализацию. Картинка для работы перед вами.

В двух словах о сути метода частотного разложения. Заключается эта самая суть в умелом разделении картинки на составляющие:

Низкочастотную — содержащую крупные элементы (редко встречающиеся на единицу площади), к примеру, тени блики образующие объёмы на изображении, различные пятна и другие индивидуальные особенности
Высокочастотную – мелкая детализация (часто встречающиеся) применительно к портрету к ним можно отнести поры кожи, жилки, венки, волоски и другую мелкую дребедень.

И последующем ретушировании каждой из них отдельно это дает гибкий подход к процессу ретуширования, ибо, работая на одной частоте мы никак не затрагиваем другую.

В реальности разделять изображение можно и на большее количество частот, однако в основном, как в случае с сегодняшней картинкой, достаточно двух.

«Всего 10 секунд и я могу начать работу с фотографией, используя сразу же любую из техник ретуши…»

На первый взгляд все это может показаться неправдоподобным, но это только на первый взгляд. Давайте расскажу вам по шагам как это работает: 1. Включаем Линейку (Ruler Tool)

2. Измеряем расстояние от линии подбородка до верхней линии роста бровей. Вот так:

3. Смотрим значение в пикселях на верхней панели

4. Проделываем в уме простой подсчет радиусов:

— Определяем количество сотен в числе: 985px — ~10 сотен — Получаем оптимальные для картинки значения радиусов 5px — Для разделения на частоты (Половина от полученного числа) 10px — Для техники G-Blur (Как вы знаете эта техника работает с двойным радиусом от частотного)

Еще пример: Получили 3415, в числе 34 сотни — 17px частотное, 34px для G-Blur

Если у вас при округлении образуется нечетное число, то радиус будет дробным. Пример:

Получили 2704, в числе 27 сотен — 13.5px частотное, 27px для G-Blur)

По причине неудобства записи дробных значений для больших радиусов (больше 10ти пикселей) допустимо использовать округление до четных сотен. Вот так:

Получили 2704, округлили до 28 сотен — 14px частотное, 28px для G-Blur

Критичными 0,5 пикселя будут только на малых значениях, в таких случаях конечно лучше вписывать дробные радиусы, хоть это и не так удобно.

Если вы используете в работе панель PRO версии, то при создании алгоритма RETOUCH PRO впишите сначала радиус для разделения на частоты, потом для G-Blur.

Благодаря алгоритму RETOUCH PRO лично у меня от начала подбора радиуса до готового алгоритма с учетом создания всех слоев уходит в среднем 10 секунд. Всего 10 секунд и я могу начать работу с фотографией, используя сразу же любую из техник ретуши внутри алгоритма RETOUCH PRO. Быстрее будет только если фотошоп сам научится определять лица и нужный для них радиус, но это вряд ли когда случится.

Если вам не до конца понятна техника быстрого подбора радиуса, то посмотрите этот ролик:

Надеюсь после данной статьи вы начнете понимать всю суть частотного разложения, а подбор оптимального радиуса станет для вас доступнее и вы будете получать больше удовольствия от процесса.

Если вам есть, что добавить или вы заметили какие-то ошибки/неточности в статье, то напишите об этом в комментариях.

Спасибо за внимание, надеюсь вам было интересно! Буду рад если загляните по ссылкам ниже)

Урок Photoshop • Выравнивание тона кожи методом частотного разложения

Важную часть в ретуши портретов занимает детализация кожи. Одним из наиболее удобных способов обработки является метод частотного разложения. Он очень прост, если работать с ним чётко по инструкции, и в последующем довести этот алгоритм действия до автоматизма.

До :

и после:

Метод частотного разложения работает безотказно, даже в самых сложных ситуациях, когда фотограф не знает, с чего начать. Для ретуши портретов важно охранить мелкие детали. Поэтому лучше использовать метод частотного разложения, нежели обработку с помощью умных инструментов.

ПОДГОТОВКА

Для начала проведем с изображением ряд предварительных обязательных процедур. Разделим его на те самые частоты, составные части. Приступаем.

1. Первым делом создаем 2 слоя, копии исходного изображения. Сделать это можно разными способами: например, кликнув правой клавишей мыши и выбрав «создать дубликат слоя» или нажав сочетание клавиши на клавиатуре Ctrl+J. Сразу дадим слоям имена и назовём их low и hi, впоследствии это и будут наши низкие и высокие частоты.

Делать копии слоя — это очень простая и полезная привычка, особенно при ретушировании. У вас всегда будет возможность обратиться к исходнику, если что-то пойдёт не так.

2. Верхнему слою hi выключаем видимость, им мы займёмся позже. Переходим к слою low.

3. Этот слой hi необходимо размыть с помощью фильтра Gaussian Blur (Размытие по Гауссу), в котором необходимо выбрать радиус размытия. Нам нужно убрать неровности кожи, мелкие морщинки, пыль и тому подобное. Но глаза, нос и брови мы, скорее всего, захотим оставить. Поэтому, начиная увеличивать радиус, внимательно смотрим, как меняется картинка. Результат очень зависит от размера исходника, а также от того, сколько места занимает человек в кадре. Для этого изображения давайте остановимся на отметке 12,5px для радиуса размытия. Важно запомнить выбранное значение, это число пригодится нам уже в следующем шаге.

Со временем вы научитесь определять подходящий радиус сразу.

4. Теперь переходим к верхнему слою hi. Нам нужно скомпенсировать изображение таким образом, чтобы при наложении на наш размытый слой low в результате получить исходную картинку. Для этого используется фильтр, который в совокупности с подходящим режимом наложения даст эффект, противоположный Gaussian Blur, который мы использовали ранее. И имя этому фильтру High Pass (Фильтр — Другое — Цветовой контраст).

В открывшемся окне High Pass всего один регулируемый параметр, и это опять радиус. Здесь нужно выставить значение из прошлого шага. Выставляем 12,5px, именно на столько мы размывали слой low.

5. Переводим слой hi в режим наложения Linear Light (Линейный свет).

Этот режим работает таким образом, что серый цвет становится прозрачным, а любые отклонения от серого драматически увеличивают яркость и контраст. Результат после наложения на размытый слой получается ровно в два раза более контрастный, чем оригинальный снимок.

6. Уменьшить контраст можно разными способами, я предпочитаю использовать корректирующие слои, т. е. слои с настройками (например, слой с кривыми). Такой способ легко позволяет на время отключать понижение контраста. С контрастной версией очень удобно работать во время ретуши, сразу выделяются все неровности и детали, которые можно случайно пропустить, глядя на исходный вариант.

Итак, создаем корректирующий слой: New Adjustment Layer — Curves (Слои — Новый корректирующий слой — Кривые).

7. Для того чтобы применить понижение контраста только к нашему верхнему слою, создаем Clipping Mask (Слои — Слои — Создать обтравочную маску).

Также это можно сделать, удерживая Alt, кликнуть на стык между слоями, для которых мы хотим создать Clipping Mask. В этот момент курсор изменит значок на стрелочку с квадратом, а после клика напротив слоя останется только стрелочка. Это значит, что всё прошло удачно.

Переходим в настройки корректирующего слоя (они появляются по двойному клику на изображении кривой в палитре слоёв). Здесь нас интересуют крайние точки, они отвечают за границы яркости изображения: левая нижняя — самая чёрная, правая верхняя — самая белая. Чтобы уменьшить контраст, необходимо потянуть нижнюю вверх, а верхнюю вниз. Чтобы точно попасть в значение и уменьшить контраст в два раза, нужно подтянуть эти точки ровно на четверть сверху и снизу соответственно.

Всё сошлось, картинка на экране выглядит ровно так же, как исходный оригинал. Наше изображение разложено на две части и готово к работе.

Слой с высокой частотой, который у нас называется hi, содержит текстуру кожи, мелкие детали одежды и волосы. Но цвет волос и цвет кожи находятся в слое low. Таким образом, исправлять неровности и дефекты кожи удобно именно в слое с высокой частотой hi.

ВЫСОКИЕ ЧАСТОТЫ

Отключаем видимость корректирующего слоя с кривыми и меняем режим наложения серого слоя hi обратно на Normal. Создаём новый слой поверх hi, и он автоматически переходит в Сlipping Mask. В этом слое и будет наша ретушь.

Наконец переходим к самой ретуши кожи. А это обычная работа штампом: берём область с понравившейся текстурой и заменяем то, что требуется. Родинки не являются дефектами, но все остальное нуждаются в вашем внимании.

ИТОГИ

На мой взгляд, картинка в результате получилась достаточно естественной. Детальной проработке подверглась текстура кожи, оттенки цвета, перепады яркости и некоторые дефекты в портрете.

Результат вы уже видели в начале урока:

Вот и все. Всего вам фотографического, друзья!

Разложение на три частоты

Частотное разложение на три слоя в «Фотошопе» производится по тем же правилам, что и на два. С другой стороны, трехслойное разложение ближе к своему предку — разложению Фурье, и при помощи него проще объяснить принцип самого разложения.

Так, за основу берутся верхние, средние и нижние частоты. В области ретуши в верхних частотах оказывается инфомация об общей форме, в средних — фактура поверхности, а также все дефекты и пятна, в нижних — информация о свете и переходах. После этого описания нетрудно сделать вывод, что слои «Тон» и «Детали» — не что иное, как верхние и нижние частоты.

Средние частоты в вышеописанном методе слились с высокими и редактировались самостоятельно, потому метод частотного разложения на три слоя куда правильнее и качественнее. Рассмотрим его.

Выводы

Вообще, частотное разложение — очень мощный инструмент. Первый метод, при котором процесс производится в два слоя, больше приближен к обычной ретуши и лишь немного приоткрывает завесу использования разложения. Второй же, представляя собой модифицированную математическую операцию, дает огромный простор для творчества. В статье были описаны минимальные возможности использования, поскольку ее цель — рассказать о самом разложении, что оно собой представляет и как его сделать. А углубившись в тему чуть больше, можно найти куда больше «фишек».

Напоследок также стоит сказать, что одно владение частотным разложением не сделает никого гениальным ретушером. Как любой инструмент, он имеет силу лишь в опытных руках. Так, нужно видеть конечный результат еще до того, как сделан первый шаг, замечать мелочи и только затем выбирать, при помощи какого инструмента их лучше всего исправить.

Разложение на две частоты с помощью операции вычитания.

Для реализации этого метода нужно выполнить следующее:

1. Сделайте копию фонового слоя или копию видимых слоев, аналогично предыдущему алгоритму.

2. Точно также сделайте две копии, назвав одну Low, а другую High.

3. Отключите видимость слоя High.

4. Подберите радиус размытия для слоя Low, примените фильтр Размытие по Гауссу.

5. Перейдите на слой High. Если вы работаете с глубиной цвета 8 бит, то примените команду Внешний канал (Apply Image), установив следующие параметры – слой Low, канал RGB, режим наложения Вычитание, масштаб 2, сдвиг 128. Если вы работаете с глубиной цвета 16 бит, то примените команду Внешний канал, установив следующие параметры – слой Low, канал RGB, инвертировать, режим наложения Добавление, масштаб 2, сдвиг 0.

Параметры команды Внешний канал для режима 8 бит

Параметры команды Внешний канал для режима 16 бит

6. Измените режим наложения слоя High на Линейный свет (Linear light).

Достоинства метода: более аккуратная математика, отсутствие «проблемы High Pass», возможность применения любых фильтров размытия, а не только Размытия по Гауссу. Например, за счет применения фильтра Размытие по поверхности можно полностью решить проблему грязи на контрастных границах, легкость применения при построении «частотных эквалайзеров», то есть, многополосного разложения на пространственные частоты.

Недостатки метода: необходимость дополнительных операций для визуализации высокой частоты. Как выполнить такую визуализацию, я расскажу в конце статьи. Также к недостаткам (скорее к особенностям) метода можно отнести недостаточный контраст слоя High, что вызывает необходимость создания дополнительного корректирующего слоя, повышающего контраст, для облегчения ретуши высокочастотной составляющей. Точно также, метод имеет недостаточную гибкость, по сравнению с разложением на три пространственных частоты.

Только ли для портретов можно использовать?

Конечно, табу «использовать только для потретов» для этой техники нет. И хотя по этой, и по ряду других статей в Интернете, можно подумать, что именно для них она наиболее эффективна, это не так. Портреты составляют львиную долю рынка фотографий, и их ретушь всегда стоит на первом месте, однако частотное разложение универсально и прекрасно подходит для любых снимков, где присутствует необходимость править детали раздельно друг от друга.

История

Компьютерная графика и обработка основана на математических законах, хотя творцам порой до них нет никакого дела. Таким образом и частотное разложения пошло от разложения Фурье на частоты: вначале математический метод позаимствовали радиотехники, затем — музыканты и, наконец, ретушеры.

Уроки «Фотошопа» для начинающих редко вмещают эту информацию, и в математических формулах действительно нет нужны. Однако то, что собой представляют частоты, все-таки будет рассмотрено чуть дальше.

Многополосное разложение или «эквалайзер».

Для упрощения процесса ретуши можно модифицировать предыдущий метод, раскладывая изображение на несколько пространственных частот, с использованием различных радиусов для размытия изображения. Таким образом мы получим возможность, работая по маске слоя, быстро убирать дефекты различных размеров.

Алгоритм создания эквалайзера:

1. Определяемся со значениями радиусов, которые будем использовать. Обычно используются значения 5, 10, 15, 25, 40 пикселей, но вы можете выбирать любые, которые вам подходят.

2. Создаем базовый слой, как в предыдущих методах.

3. Создаем необходимое количество копий, по числу радиусов плюс один слой. В данном случае шесть копий базового слоя.

4. Называем копии осмысленно, например, по диапазонам радиусов, то есть, 40, 40-25, 25-15, 15-10, 10-5, 5.

5. Отключаем все слои выше слоя 40. Размываем этот слой по Гауссу с радиусом 40 пикселей

6. Включаем вышележащий слой 40-25, переходим на него и выполняем вычитание слоя 40 с помощью команды Внешний канал.

7. Размываем данный слой по Гауссу с радиусом 25 пикселей. Получаем полосу частот от 40 до 25 пикселей.

8. Меняем режим наложения на Линейный свет.

9. Переходим на слой 25-15 и, ВНИМАНИЕ! Не включаем видимость слоя!

10. Выполняем вычитание из данного слоя содержимого всех слоев. То есть, в настройках команды Внешний канал в качестве источника нужно поставить Объединено. Таким образом мы вычтем из данного слоя изображение, размытое на 25 пикселей.

11. Теперь включаем видимость слоя 25-15 и меняем режим наложения на Линейный свет.

12. Размываем слой 25-15 на 15 пикселей.

13. Повторяем операции с другими слоями. Последний слой, с названием 5, не размываем, так как на нем будет находиться текстура с размерами элементов до 5 пикселей.

14. Таким образом, мы получаем эквалайзер пространственных частот. Теперь мы можем как ослаблять нужный диапазон частот, так и усиливать его. Ослабление производится путем наложения маски слоя и рисования по нужным местам черной кистью с необходимой непрозрачностью. Усиление производится с помощью корректирующего слоя, например, Кривые, действующего через обтравочную маску на конкретный слой. Поднимая контраст простым поворотом кривой против часовой стрелки, мы усиливаем контраст слоя, тем самым усиливая видимость данной полосы частот.

Подобный метод используется в видеоуроке «Еще один метод быстрой ретуши».

Достоинства метода: возможность быстрого подавления или усиления в выбранных полосах частот, таким образом можно значительно ускорить процесс ретуши.

Недостатки метода: сложность в реализации для начинающих, накопление ошибок округления из-за большого количества слоев, при работе вблизи контрастных границ те же проблемы с грязью из-за ореолов размытия.

Возможности применения

Кроме студийных портретов, в которых требуется убрать пару прыщиков, перед ретушью методом частотного разложения в «Фотошопе» будут ставиться совсем другие цели. Так, оно может быть применено в таких случаях:

Необходимо исправить топорную работу визажиста — проще говоря, переделать макияж. Также возможно нанесение мейк-апа с нуля. В последнем случае рекомендуется иметь при работе фотографию той же модели с любым другим макияжем для достоверности нанесения.
Мягкое приглушение фактуры кожи — легкая и аккуратная ретушь, без вмешательства точечной кисти и «замыленного» блура.
Побрить мужчину — требуется комбинация методов частотного разложения, при кропотливой работе получается неплохой результат.

Программные способы

Для «Фотошопа» (и для «Гимпа», его «Линуксовского» брата, кстати, тоже) существуют специальные плагины, а также экшены. Все они не автоматизируют полностью ретушь фотографии (в конечном итоге, это все-таки творческий процесс), однако программно выполняют действия для создания необходимых слоев и их настроек. Это значительно упрощает частотное разложение в «Фотошопе».

Экшен (action — действие, операция) — это файл с расширением ANT, представляющий собой набор операций в «Фотошопе». Его даже можно назвать мини-программой. Уже имеющийся файл экшена открывается при помощи вкладки «Окно»-«Операции».

Экшен для частотного разложения при желании можно создать самостоятельно — вручную произвести все вышеперечисленные действия и перейти на все ту же вкладку «Операции», а далее нажать на пиктограмму создания новой операции. Для удобства также рекомендуется создать несколько экшенов для создания отдельно первого, второго и третьего слоев.

Экшены для скачивания доступны на интернет-ресурсах, однако рекомендуется все же создавать их самостоятельно — сперва опробовать частотное разложение вручную, затем понять, как им пользоваться, и затем автоматизировать этот процесс для последующего применения. Кроме того, скачивание из Интернета всегда предполагает возможность загрузки вируса. Так что лучше перестраховаться.

Как любые программы, экшены доступны для редактирования, а редактировать то, что было написано кем-то другим, — сложнее. К тому, что каждый автор делает операцию, прежде всего, «под себя», и только затем в порыве щедрости выкладывает в Интернет на всеобщее обозрение.

Второй этап

Для слоя «Детали» «Режим Наложения» меняется на «Линейный Свет». Если изображение получится слишком контрастным — следует перейти на вкладку Кривые и уменьшить контрастность. Альтернативный вариант: уменьшить контрастность «по старинке» путем уменьшения параметра «Контраст».

Само по себе частотное разложение уже сделано — остается только убрать дефекты при помощи точечной кисти. Это несложная, но кропотливая работа. Кисть рекомендуется брать небольшую с немного сплющенной формой (устаналивается в параметрах). Ей необходимо пройтись по всему изображению и убрать дефекты.

Внимание! Убирая мелкие прыщики и мимические морщины, следует оставлять те линии, которые делают фотографию анатомически правильной и влияют на схожесть на лица на портрете.

Ретушь на низкой частоте

Переходу ретуши на разделённых частотах изображения, начну с низкой частоты, задача сделать общие формы лица модели более плавными. Работать буду связкой из инструмента «Лассо» читать о нём здесь и фильтра «Размытие по Гауссу» усредняя им содержимое выделенных областей.

Для начала нужно провести небольшую настройку «Лассо», заключающуюся в растушевывании краёв создаваемых выделений. На размытом слое делаю небольшую выделенную область, перехожу в режим быстрой маски нажатием клавиши Q.

Область выделения при этом окажется не закрашенной в отличие от остальной картинки, залитой полупрозрачным цветом. Края области будут отлично видны.

Для возврата в «обычное состояние» нужно еще раз нажать Q. Изменяя параметр Feather «Растушевка» и повторяя процедуру использования режима быстрой маски легко подобрать значения этого параметра для получения гладких границ выделений. Я остановился на значении 12 пикс.

Начинаю работать: создаю небольшую выделенную область, вызываю диалог фильтра «Размытие по Гауссу» устанавливаю радиус размытия произвольно ориентируясь на изменения выделенного участка картинки.

Повторяю эту процедуру, проходя постепенно по всем участкам кожи. Фильтром размытия удобно действовать при помощи комбинаций клавиш, происходит это так:

Выделяем участок кожи, комбинацией Ctrl+F применяем фильтр с настройками, сделанными ранее. То есть если использовался фильтр «Размытие по Гауссу» с радиусом 5 пикс. он будет применён к выделенному участку с такой настройкой, при этом диалога фильтра не появится.

При повторном нажатии Ctrl+F эти настройки будут применены ещё раз. Если по ходу работы появится необходимость изменения радиуса размытия, она обязательно появится, используйте комбинацию Alt+Ctrl+F откроется диалог настроек и радиус размытия можно будет изменить.

Использование этих комбинаций клавиш заметно сокращает время ретуши избавляя от постоянного прохождения до фильтра из меню.

В результате обработки низкочастотной составляющей получилась такая картинка.

Осталось обработать высокую частоту для удаления мелких дефектов фактуры.

Зачем нужна Микс-кисть

Основное назначение – смешение цветов на фотографии между собой или с новым цветом. Отсюда три направления применения.

Создание эффектов живописи на цифровых изображениях. Вы можете преобразовать фотографию в акварельный рисунок. Или картину, «написанную» масляными красками. Добавляете текстуру завершающим этапом – и можно отправлять на печать и вставлять в рамку.
Коллажирование. Взяв образец нужного элемента, с зажатой клавишей Alt, переносите его на другую область или новое изображение. Это можно сделать и обычной кистью, но микширующая позволит сразу добавить нужные эффекты.
Портретная ретушь. Можно сгладить резкие цветовые переходы. Применив частотное разложение (Frequency Separation), убрать этой кистью пятна на низких и средних частотах. Откорректировать свето — теневой рисунок.

Введение

Частотное разложение в «Фотошопе» вызывает много вопросов. И если еще два года назад информации по этому поводу было мало, то сейчас ответы в Сети, конечно, есть, однако все они даны обрывочно и не всегда понятно. Именно из-за этого новичкам разобраться в частотном разложении в «Фотошопе» сложно.

Туториалы от профессионалов в Интернете даны не просто так. Многие компании выставляют к вакансии ретушера требование знать, как сделать частотное разложение в «Фотошопе» хотя бы на минимальном уровне. Но даже фрилансерам техника придется кстати — увеличит и скорость, и качество работы.

Частотное разложение на 3 частоты. Далее выставляем в кривых такие значения

Дата публикации: 11.01.2017

Важную часть в ретуши фотографий, особенно портретов, занимает детализация и цвет кожи. Один из самых удобных методов обработки, популярных на сегодняшний день, — метод частотного разложения. Он очень удобен и прост, если работать с ним чётко по инструкции.

До и после:

Для меня метод частотного разложения — словно проверенный кулинарный рецепт. Работает безотказно. Даже в самых сложных ситуациях, когда не знаешь, с чего начать.

Фотографии, используемые в этом уроке, сняты на фотоаппарат Nikon D810 . Это одна из самых новых моделей Nikon, универсальная фотокамера с высоким разрешением — 36,3 МП. Она позволяет создавать детализированные снимки с мельчайшими текстурами. Для ретуши снимков такого высокого разрешения довольно важно (и в то же время сложно) сохранить мелкие детали. Поэтому лучше использовать метод частотного разложения, нежели обработку с помощью умных инструментов.

Для начала проведём с изображением ряд предварительных обязательных процедур. Разделим его на те самые частоты, составные части. Ниже представлена подробная пошаговая инструкция.

1. Первым делом создаём 2 слоя копии исходного изображения. Сделать это можно разными способами (например, как на скриншотах), но самый быстрый — клавиши Ctrl+J. Чтобы легко ориентироваться, лучше сразу дать слоям имена. Недолго думая назовём их low и hi, впоследствии это и будут наши низкие и высокие частоты.

Делать копии — это очень простая и полезная привычка, особенно при ретушировании. У вас всегда будет возможность обратиться к исходнику, если что-то пойдёт не так.

2. Верхнему слою с копией выключаем видимость, им займёмся позже. Переходим к слою low, т. е. к первой копии.

3. Этот слой необходимо размыть с помощью фильтра Gaussian Blur. Здесь, как в любом рецепте, наступает первый творческий момент. Необходимо выбрать радиус размытия. Нам нужно убрать неровности кожи, мелкие морщинки, пыль и тому подобное. Но глаза, нос и брови мы, скорее всего, захотим оставить. Поэтому, начиная увеличивать радиус, внимательно смотрим, как меняется картинка.

Результат очень зависит от размера исходника (наш пример чуть больше 20 МП), а также от того, сколько места занимает человек в кадре. Для этого изображения давайте остановимся на отметке 13px для радиуса размытия. Важно запомнить выбранное значение, это число пригодится нам уже в следующем шаге.

Со временем вы научитесь определять подходящий радиус сразу и оцените, как удобно иметь набор заготовленных сценариев для разложения с разными радиусами.

4. Нижняя половина изображения готова, теперь переходим к верхнему слою hi. Нам нужно скомпенсировать изображение таким образом, чтобы при наложении на наш размытый слой low в результате получить исходную картинку. Для этого используется фильтр, который в совокупности с подходящим режимом наложения даст эффект, противоположный Gaussian Blur, который мы использовали ранее. И имя этому фильтру High Pass.

В открывшемся окне High Pass всего один регулируемый параметр, и это опять радиус. Здесь нужно выставить значение из прошлого шага. Выставляем 13px, именно на столько мы размывали слой low.

5. Переводим слой hi в режим наложения Linear Light. Этот режим работает таким образом, что серый цвет становится прозрачным, а любые отклонения от серого драматически увеличивают яркость и контраст. Результат после наложения на размытый слой получается ровно в два раза более контрастный, чем оригинальный снимок.

Итак, создаем корректирующий слой: New Adjustment Layer > Curves.

7. Для того чтобы применить понижение контраста только к нашему верхнему слою, создаем Clipping Mask. Весь эффект слоя с кривыми будет работать только на слой под ним. Это можно сделать через меню или, удерживая Alt, кликнуть на стык между слоями, для которых мы хотим создать Clipping Mask. В этот момент курсор изменит значок на стрелочку с квадратом, а после клика напротив слоя останется только стрелочка. Это значит, что всё прошло удачно.

Теперь по поводу самой кривой. Переходим в настройки корректирующего слоя (они появляются по двойному клику на изображении кривой в палитре слоёв). Здесь нас интересуют крайние точки, они отвечают за границы яркости изображения: левая нижняя — самая чёрная, правая верхняя — самая белая. Чтобы уменьшить контраст, необходимо потянуть нижнюю вверх, а верхнюю вниз. Чтобы точно попасть в значение и уменьшить контраст в два раза (а не в 2,02), нужно подтянуть эти точки ровно на четверть сверху и снизу соответственно. Также можно задать координаты вручную, активировав поля, кликнув на точку кривой. В полях для верхней точки ставим Input 255, Output 192, для нижней — Input 0, Output 64.

Есть несколько способов работы с высоким слоем. С помощью режимов наложения можно переключаться и работать как с серым изображением, так и с обычным. Кому-то, может быть, удобно редактировать оригинальный слой hi, но я бы рекомендовал делать копию, чтобы сохранить оригинал.

Первый способ, ретушь серого изображения

Выбираем штамп. Настройки инструмента:

Обязательно 100 % непрозрачность и 100 % жёсткость кисти (настраивается вместе с размером кисти по правому клику), чтобы не появлялись размытые участки. Мы игнорируем цвет на данном этапе, поэтому все текстуры отлично стыкуются с жёсткими настройками штампа. Если вы используете планшет (а это на самом деле ускоряет работу), не забудьте отключить регулировку непрозрачности от нажатия на стилус (значок сетчатого кружка с карандашом).

Второй способ, ретушь полноцветного изображения

Слой hi в режиме Linear Light. Дублируем его и переводим в Clipping Mask. В этом новом слое будем заниматься ретушью. Отключаем видимость корректирующего слоя с кривыми.

Настройки штампа практически те же, за исключением Sample — нужно изменить на Current Layer.

Наконец переходим к самой ретуши кожи. А это обычная работа штампом: берём область с понравившейся текстурой и заменяем то, что требуется.

Вот несколько советов из личного опыта по использованию штампа:

потраченное на ретушь время — синоним качества ретуши, настройтесь на монотонную работу со штампом в течение 40–60 минут;
с планшетом работа пойдёт в сто раз быстрее;
не нужно брать очень большую кисть, лучше сделать больше мазков. Для нашего формата идеальный размер кисти 15–25px;
необязательно после каждого клика менять источник для штампа, но постарайтесь делать это как можно чаще, во избежание возникновения артефактов;
родинки не являются дефектами кожи, но не забывайте про менее очевидные части тела. Губы, нос, торчащие волосы, открытые части рук и тела тоже нуждаются в вашем внимании.

Оценим результат после работы над верхней частотой. Мы детально поработали над кожей с помощью всего одного слоя, и теперь она выглядит очень гладкой. Но при этом сохранилась резкость, нет этого мыльного эффекта на коже, который обычно выдаёт некачественную ретушь.

Иногда можно обойтись тем, что уже получилось, и не трогать нижний слой. Но для образовательного эффекта давайте всё-таки попробуем сделать что-то ещё. Работать с нижней частотой очень просто. Можно использовать штамп или обычные кисти с подходящим цветом, но обязательно только самые мягкие настройки жёсткости и непрозрачность на уровне 20–30 %.

Вот несколько трюков, к которым нам открывает доступ размытый слой low:

выровнять оттенок лица, избавиться от светлых / тёмных / цветных пятен;
локально поработать с фоном, убрать лишние тени;
убрать волны на фоне, сделать фон более однородным.

Для работы с пятнами отлично подойдёт обычная кисть (самая мягкая, непрозрачность 20–30 %). Создаём новый слой над слоем low. С помощью пробы цвета или удерживая клавишу Alt, выбираем цвет рядом с областью, которую требуется закрасить, и аккуратными движениями кисти наносим его на эту область. Можно менять цвет кисти, для того чтобы добиться оптимальной коррекции.

В ретуши часто бывает необходимо поправить что-то одно, не затрагивая другого. Например, частая задача — убрать неровности кожи (кажущиеся или настоящие), оставив при этом её фактуру. На примере этого кадра я расскажу как это можно сделать.

Более подробно об этом рассказывается на курсах Фотопроекта.

1. Итак, загружаем портрет в Photoshop:

2. И при помощи инструмента Healing Brush Tool на чистом слое с забором сэмпла с Curent & Below убираем все явные мелкие неприятности:

Такой радиус выбран потому, что в него попадают средние неровности кожи. В идеале, чтобы можно было подбирать радиусы более точно, можно использовать Smart Filters.

4. Берём и делаем ещё одну копию чистого слоя (из слоёв Source + Cleanup) и применяем к нему High Pass с радиусом 5 (таким же, как и делали до этого Gaussian Blur):

5. Теперь, если я сложу слой High Pass со слоем Blured каким-нибудь контрастным режимом наложения, то, по идее, я получу изображение, в котором пятна (слой Blured) и детали кожи (слой High Pass) будут на раздельных слоях. Из всех контрастных режимов наложения нам для этой операции лучше всего подходит Linear Light (почему это именно так можно узнать на этих занятиях Андрея Журавлёва):

Однако, Linear Light, в силу своей математики, усиливает высокочастотный слой High Pass в 2 раза. И получается так:

В то время как должно было бы быть так (включены только слои с исходным изображением):

6. Поэтому, чтобы компенсировать такое усиление нужно ослабить слой High Pass в 2 раза. То есть, применить к нему такую вот коррекцию:

Корректирующий слой я объединяю со слоем High Pass в одну группу при помощи Cmd + G и саму группу складываю со слоем Blured при помощи Linear Light:

Получается вот так:

Вуаля! Сложенный результат ничем не отличается от исходника. Однако, несомненный и огромный плюс этого «сэндвича» заключается в том, что теперь можно редактировать слой пятен (Blured) и слой фактуры (High Pass) отдельно и независимо друг от друга!

7. Для этого поверх слоя Blured я создал новый чистый слой Correct и на нём стал править неровности на слое с пятнами (на слое Blured) не опасаясь того, что я потеряю фактуру кожи (она сейчас находится в группе Detail):

Править можно как угодно: размывать слой избирательно Gaussian Blur или рисовать кисточкой поверх него, применять Clone Stamp Tool или размазывать Smudge Tool… В общем — как вам того захочется! И это очень удобно, потому что не нужно думать о сохранности деталей, ведь мы их заранее вывели в отдельную группу. Вот результат моих коррекций слоя Blured:

А вот что будет, если включить детали (группу Detail сделать видимой):

Силу сглаживания пятен кожи можно регулировать прозрачностью корректирующего слоя:

Подберите его себе по вкусу, чтобы не говорить «пластик, пластик!» =:)

8. Поле выравнивания я приступил к тонированию кожи. Для этого я сначала создал Adjustment Layer Hue/Saturation и при помощи инструмента Color Range создал маску на тона кожи:

Само значение Saturation для кожи я потом уменьшил до -35. Кожа получилась несколько обесцвеченная. Это нужно для того, чтобы уменьшить цветовые перепады на разных частях лица.

9. Затем я с той же маской, что и была и у предыдущего корректирующего слоя, использовал Adjustment Layer Black & White со включённым режимом тонирования Tint. И наложил этот корректирующий слой при помощи режима Soft Light:

Этот режим делает приятный золотистый оттенок кожи и усиливает контраст изображения:

В принципе, можно использовать и режим наложения Color, но он не усиливает объём, потому что это фактически получится просто замена всех цветов кожи на тон, заданный в поле Tint:

Поэтому я всё же использую Soft Light (или Overlay, если нужно более сильное увеличение контраста), но с ослаблением эффекта через изменение прозрачности слоя:

10. Затем я при помощи Adjustment Layer Curves корректирую контраст кожи:

И чтобы у меня при этом действии не «уходили» цвета я накладываю этот Adjustment Layer при помощи режима сложения Luminosity:

11. Ещё одна коррекция Curves, но уже по всей картинке. На этот раз корректирую голубой канал для усиления цветового контраста изображения (тени стали чуть холоднее и жёлтые света «заиграли»):

И чтобы эта коррекция не влияла на яркость финального изображения, я кладу её при помощи режима наложения Color:

12. Затем виньетирование:

Тонкие настройки и картинка готова:

Как всегда, вы можете регулировать все компоненты по вкусу, добиваясь нужного вам результата. Удачи!

16.04.2017 3362 Тематические статьи 0

ПОДГОТОВКА

Делать копии слоя — это очень простая и полезная привычка, особенно при ретушировании. У вас всегда будет возможность обратиться к исходнику, если что-то пойдёт не так.

2. Верхнему слою hi выключаем видимость, им мы займёмся позже. Переходим к слою low.

Со временем вы научитесь определять подходящий радиус сразу.

5. Переводим слой hi в режим наложения Linear Light (Линейный свет).

Итак, создаем корректирующий слой: New Adjustment Layer — Curves (Слои — Новый корректирующий слой — Кривые).

ВЫСОКИЕ ЧАСТОТЫ

ИТОГИ

Результат вы уже видели в начале урока:

Вот и все. Всего вам фотографического, друзья!

При обработке портрета все мы сталкиваемся с проблемой – как убрать дефекты кожи, сделать кожу ровной и бархатистой, а так же сохранить её текстуру. Думаю, многие из вас уже наслышаны о таком плагине для фотошопа, как Portraiture – это, как говорится, для особо ленивых:) Быстро, удобно, но он делает кожу неестественной и пластмассовой. Я лично иногда его применяю, но крайне редко и с большой прозрачностью, бывает удобен при ростовых фотографиях, где лицо получается довольно маленьким. Но давайте поговорим о более профессиональном методе ретуши кожи, который хоть и более нудный и медленный, но позволяющий добиться превосходного результата.

Итак, имеем фотографию слева, в ней уже сделана первичная свето- и цветокоррекция в лайтруме. Получим после наших манипуляций фотографию справа.

В сети довольно много разных способов этого метода ретуши, но я расскажу о том, какой быстрее, удобнее, проще и дает лучший результат.

На чем основывается этот метод: он основывается на том, что любую картинку можно разложить на 2 составляющие – на верхние и нижние частоты. И если «сложить» их обратно – получим исходную картинку. Тем самым разделяем картинку на слой, который сожержит текстуру кожи и слой, который содержит информацию о цвете, свето-теневых переходах и “форме”. Фильтр нижних частот в фотошопе – это фильтр Gaussian Blur. Верхних – High Pass, который мы будем применять через Внешний канал, т.к сам фильтр при “склеивании” дает неточности. Звучит сложно, но я постараюсь объяснить простым языком и на примерах)

Перейдем к практике:

Допустим, у нас есть слой background. Делаем 2 копии его – я делаю это с помощью горячей клавиши Ctrl+J. Вы можете пойти в меню Layer – Duplicate Layer…

Переименовываем их – нижнюю копию называем low, верхнюю – high.

Отключаем видимость у верхнего слоя high, нажимая на иконку глаза.

Выбираем слой low, теперь работаем только с ним. Применяем к нему фильтр Gaussian Blur (Размытие по Гауссу). Для этого идем в Filter — Blur — Gaussian Blur… Тем самым мы создаем слой, который хранит “цвет и форму” изображения.

Какой же радиус нам выбрать? Важно выбрать такой радиус размытия, чтобы текстура кожи уже была не видна, но все свето-теневые неровности от недостатков кожи сохранились. Такой радиус колеблется от 3px (там, где маленькая площадь лица/ростовой снимок — или маленький размер фото) до 15px(крупный потрет или бьюти, большой размер фото). В моем случае меня вполне устроил результат на 3,5px, т.к я кадрировала фото.

Выбираем слой high и включаем его видимость.

Теперь работаем с этим слоем, создавая “текстуру” изображения. Для этого идем в Image — Apply Image… (Изображение — Внешний канал…)

Во вкладке Layer (Слой) кликаем и выбираем наш размытый слой — low.

ВАЖНО:

1 случай — если вы работаете в 8-битном режиме , то настройки ставим — Blending — Substract (Наложение — Вычитание), Scale (Масштаб) — 2, Offset (Сдвиг) — 128.

2 случай — если вы работаете в 16-битном режиме , то настройки ставим — Blending — Add (Наложение — Добавление), Scale (Масштаб) — 2, Offset (Сдвиг) — 0. И нажимаем галочку Invert (инвертировать).

Как посмотреть, в скольки битном канале вы работаете? Обычно это пишется наверху рядом с названием открытой картинки через слэш (например, Beauty.psd (…/8) или (…\16)). Если не видите, то идите в Image — Mode — в открытой вкладке будет помечен галочкой режим, в котором вы сейчас работаете.

Мы видим серое изображение. Меняем у слоя high режим наложения на Linear Light (Линейный свет).

Предлагаю сгруппировать эти два слоя. Выделяем их и нажимаем Ctrl+G или идем в Layer — Group Layers (Слои — Сгруппировать слои). Эту группу называем “частотное разложение”.

Попробуйте выключить/включить видимость этой группы — вы поймете, что изображение не меняется, мы разложили изображение на 2 составляющие — на нижние частоты — размытый слой, где содержится информация о цвете и форме, и на верхние — где хранится только текстура изображения. Теперь мы можем работать с этими слоями по отдельности, не боясь “напортачить”).

Сначала боримся со всеми неровностями кожи — прыщи, шрамы, родинки, лишние волосы — информация о них хранится в слое текстуры, т.е. на слое high. Работать мы будем инструментом Штамп, с жесткостью 100%. Почему? Потому что это текстура кожи и на ней недопустимы “размытые края”, которые остаются после работы мягкой кистью или лечащей кистью, или той же заплаткой. Размер подбираем чуть больше прыщика.

Сделали? Теперь выбираем рядом с прыщиком хорошую текстуру, т.е. ровную. Нажимаем Alt и кликаем. Тем самым мы выбрали место, откуда будем брать текстуру. Теперь смело кликаем на сам прыщик. Отлично!

Так проходимся по всей коже, удаляя всё то, что нам не нравится)

Заменили плохую текстуру хорошей, но пятна от этих прыщиков и неровностей всё равно остались. За них отвечает уже нижний слой, будем работать с ним.

Для этого выбираем слой low. Нам нужен инструмент Mixer Brush Tool с настройками наверху в 10%.

Что же он делает? В самом названии кроется суть его работы — он смешивает близлежащие цвета там, где вы проводите кистью. Таким образом, немного поводив кистью на месте прыщика и в его окрестностях, мы смешаем цвет так, что на его месте будет ровная поверхность вместо пятна. Попробуйте.

Таким образом проходимся по всем пятнам на лице, выравнивая фактуру кожи и создавая ровный тон лица, но не переусердствуйте.

Вот в принципе и весь метод частотного разложения)

Чтобы добиться лучшего результата, есть несколько усовершенствований этого метода, о которых я сейчас вам поведаю.

Смягчение кожи.

Для этого перед тем, как вы будете работать со слоем low, сделайте его копию и примените к копии фильтр Gaussian Blur с размытием не более 10px, так, чтобы вы наглядно видели, как смягчается кожа.

Теперь создадим маску слоя. Для этого жмем соответствующую иконку.

Теперь берем белую кисть и рисуем там, где нам нужно смягчение, а именно — лоб, щеки, нос, подбородок, но не заходим на глаза, губы или край лица. В итоге маска будем примерно такая:

Я снизила непрозрачность до 65%, вы же делайте это по своему усмотрению)

Резкость и лучшее видение всех недостатков при ретуши.

Данный действия делаем до того, как мы начали работать с текстурой.

Делаем копию слоя high нажатием Ctrl+J. Создаем обтравочную маску для него. Для этого выбираем слой high copy, зажимаем Alt и ведем курсор на положение между этими слоями, до возникновения такого значка. Кликаем.

Меняем его режим наложения на Normal.

Теперь все действия со штампом мы будем проводить на нем.

Чтобы лучше видеть все недостатки, создадим вспомогательный слой кривых. Нажимаем на иконку и выбираем Curves.

Переименовываем этот слой в contrast, ибо этот слой действильно повышает контраст. И создаем для него обтравочную маску, как мы это уже делали выше.

Для нижней точки: Input — 97, Output — 0.

Для верхней точки: Input — 158, Output — 255.

Видим, как это влияет на наше изображение:

Оно стало слишком резким, поэтому убавляем непрозрачность примерно до 50%, чтобы мы хорошо видели все неровности.

Когда закончите ретушь — убавьте непрозрачность примерно до 1-5%, если вы хотите повысить резкость всего изображения, если же вам нравится исходная картинка — то либо выключите видимость этого слоя, либо вообще его удалите. Вот и всё)

P.S. Я все еще недовольна результатом, т.к. на коже видны некоторые пятна. Чтобы их удалить, я пользуюсь методов осветления и затемнения, в народе он более известен как метод Dodge and Burn, о котором я рассказала . После него получаем гораздо более привлекательную картинку. Далее я сделала финальную цветокоррекцию и вот результат: исходная картинка, после частотного разложения и финальная.

Секреты ретуши методом частотного разложения в Photoshop

Урок 7. Структура слоев для ретуши.

В этом заключительном уроке серии по частотному разложению картинки на пространственные частоты я покажу, как создать в палитре «Слои» такую структуру слоев, которая позволит Вам удобно, качественно и самое главное гибко ретушировать Вашу фотографию.

Урок сделан в русифицированной программе СС 2017, но может быть легко повторен в любой версии фотошопа.

Все уроки серии по частотному разложению здесь:

Если у Вас не очень быстрый Интернет, нажмите на «Play «, а потом на паузу и немного подождите пока видео подгрузится для его комфортного просмотра.

Автор — Накрошаев Олег
Продолжительность видеоурока — 17 мин 06 сек
Размер картинки — 1280х720
Формат видео — MP4
Размер архива — 84,4 Мб

Транскрибация урока:

В этом уроке мы с вами поработаем вот с этой женской фотографией. Что мы сделаем? Мы с вами, как обычно, разложим это изображение на две пространственные частоты, но дополнительно создадим нужную нам структуру слоёв. В прошлом уроке я вам неоднократно говорил, что для ретуши создаётся специальные слои. Давайте, создадим такую структуру слоев и посмотрим, как нам применять инструмент «Штамп», который имеет еще одну дополнительную настройку, которую мы с вами не рассмотрели в прошлом уроке, а именно — «Образец». Если мы с вами раскроем этот список на панели параметров, мы видим, что у «Штампа» может быть 3 настройки: «Активный слой», «Активный и ниже» и «Все слои».

Итак, давайте разложим нашу картинку известным уже вам методом на 2 частоты. Создаем дубликат слоя «Ctrl+J», переименовываем в НЧ, применяем фильтр «Размытие по Гауссу» — «Фильтр», «Размытие», «Размытие по Гауссу». Поставим на 0,1 пикселя, постепенно поднимаем. Как видите, масштаб у меня 11% , очень маленький. Давайте, увеличим масштаб фотографии. Ну, хотя бы до 30%. Лучше, конечно, поставить 100%. Для этого, можно, было до применения фильтра два раза левой клавиши мыши щелкнуть по инструменту «Масштаб», тогда у нас фотография быстро приведётся к масштабу 100%. Но 100% здесь будет немножко многовато. Давайте, поставим 33%. Итак, увеличиваем радиус «Размытие по Гауссу» до того момента, как у нас с вами потеряются детали. Вот уже происходят потери текстуры кожи, вот около 10, 11. Я думаю, 11 будет вполне достаточно. Запоминаем радиус. Нажимаем OK. Добавляю новый пустой слой, выше слоя НЧ, называю его – ретушь НЧ. На этом слое мы с вами будем ретушировать низкую частоту. Далее, переходим на фоновый слой, создаём опять его дубликат, размещаем этот слой на самый верх, переименовываем этот слой в ВЧ. Это у нас будет верхняя частота и, как обычно, применяем фильтр «Другое», «Цветовой контраст». Мы с вами применили фильтр «Размытие по Гауссу» с радиусом 11, соответственно, здесь ставим также радиус 11 и нажимаем OK. Переводим слой в режим «Линейный свет» и заливку я поставлю в 50%. Давайте, посмотрим. Вот у нас исходная картинка, вот у нас то, что получилось после разложение на 2 частоты и сложения этих слоев. Никаких изменений нет. Теперь, мы должны создать слой, на котором будем ретушировать высокую частоту.Для этого я дублирую слой ВЧ — «Ctrl+J», ставлю у этого слоя режим наложения «Обычные», заливку 100% и удерживая клавишу «Alt», навожу курсор мыши между слоями ВЧ-копия и ВЧ. Мы с вами создали обтравочную маску. Давайте, переименуем этот слой в «Ретушь ВЧ». Мы с вами, практически, уже закончили создавать структуру слоёв.У нас остался еще один слой. Ну, давайте на всякий случай проверим, что у нас пока исходное изображение не изменилось. Удерживая «Alt», щелкаю по глазику у фонового слоя. Да, действительно, у нас с вами пока ничего не изменилось.

Теперь, выше слоя ретушь ВЧ, я создаю корректирующий слой «Кривые». Этот слой я создаю для того, чтобы можно было удобно корректировать верхнюю частоту, чтобы мы с вами могли четко увидеть все недостатки, которые имеет кожа у этой нашей модели. Прежде всего, нажимаю внизу палитры свойства на первую слева кнопочку, создаю обтравочную маску. Что мы здесь должны сделать? Мы с вами, просто-напросто, здесь очень сильно поднимем контраст. Причём, контраст мы поднимем вокруг средних тонов, то есть, средние тона у нас останутся неизменные. Переводим левый ползунок вправо, до значения, ну, пусть будет 94. Теперь, передвигаем правый ползунок влево, до значения 162. Вот это значение. У нас кривая точно проходит через центр. Итак, смотрим. Включим и отключим видимость этого слоя. Вы видите, как у нас резко меняется изображение. У него поднимается очень сильно контраст и мы с вами четко видим все недостатки на коже девушки. Давайте, объединим всё это в группу. Верхний слой у меня активен. Нажимаю«Shift» и по слою НЧ – «Ctrl+G» и вот наша группа. Давайте, назовем её «Ретушь». Вот таким образом мы с вами создали структуру слоев, то есть подготовили наше изображения для ретуши.

Давайте, я вытащу палитру «Слои» вот сюда вот. Раскроем ее и еще раз внимательно посмотрим, что у нас получилось. Фоновый слой «Исходный», выше у нас слой с низкой частотой, выше простой пустой слой, на котором мы будем делать ретушь низкой частоты, ещё выше слой с ВЧ, то есть, с высокой частотой. Выше этого слоя у нас слой, на котором мы будем делать ретушь высокой частоты и самый верхний слой – это, так называемый «Усилитель недостатков на коже». Вот такая структура у нас слоёв.

Давайте, немного подретушируем это изображение. Полностью я, конечно, всё делать не буду, так как, это займет довольно много времени. Итак, давайте, свернем палитру «Слои». Поставим её вот сюда вот. Вот таким образом и начнем ретушировать низкую частоту. Я делаю активным пустой слой «Ретушь НЧ», выбираю инструмент «Штамп» и ставим настройки, которые вы уже отлично знаете — жёсткость 0%, непрозрачность пусть будет 25%, нажим 100%. И самое главное, как я вам обещал, обратите внимание на настройки «Штампа», а именно «Образец». Раскрываем этот список, и мы здесь с вами, в этом случае, должны обязательно выбрать настройку «Активный и ниже». И теперь мы можем работать с большими недостатками на лице, то есть, с объемом. Вы можете работать вот таким образом — на композитном изображении. А можете отключить верхние слои с высокой частотой и работать вот на такой размытой картинке. Как вам удобно, так и делаете.

Давайте, я включу 2 верхних слоя и немножко поработаю. Итак, давайте, вот эту ямочку чуть-чуть приглушим. Нажимаю «Alt». Беру образец кожи и переношу ее вот на эту ямочку. Поработаю вот с этим бликом. Немножко его также приглушим. Увеличиваю размер кисти. Вот такой большой размер кисти. Беру образец кожи с помощью «ALT», щёлкаю и немножко приглушу вот этот блик. Давайте, посмотрим. Вот так было, вот так стало. Вы видите, как резко у нас меняется картинка.

Давайте, поработаем вот с этой глубокой морщиной возле носа. Непрозрачность я даже ещё немножко уменьшу. Диаметр, примерно, вот такой возьму. Нажму«Alt», образец кожи и аккуратненько, вот так вот, немножко пройдусь. Будьте очень внимательны и смотрите, откуда у вас берется образец кожи. Давайте, посмотрим. Вот так было, вот так стало.Немножко пригладили эту морщину.

Давайте, слева, также, немножко пригладим морщину. Возьмём «Alt», и тихонечко, вот так вот, пройдемся. Старайтесь как можно чаще брать образец кожи. Вот таким образом. Давайте, немножко на носу прибьём вот этот блик. Нажмем «Alt». Посмотрим — так было, вот так стало.

Можно, немного осветлить глазные впадины. Возьмём образец кожи и аккуратненько, вот так вот, пройдемся под глазами. Посмотрим — вот так было, вот так стало. Давайте, и на левом глазе от нас тоже немножко поработаем с глазной впадиной. Примерно вот так вот. Давайте, посмотрим, что мы с вами сделали. Вот так было, вот так стало. Вы видите, как разительно меняется наша картинка. Ну, я работал, конечно, очень неаккуратно, просто, чтобы показать вам для примера. Видно, что, допустим, очень сильно убрал вот эту глазную впадину и лицо становится, как бы, немножко резиновым. Можно уменьшить непрозрачность. Вот таким образом. Вот таким способом вы обработаете на слое «Ретушь НЧ» все вот такие крупные недостатки – глазные впадины, складки, морщины крупные, блики.

Теперь, перейдём на слой «Ретушь ВЧ». Я включу наш усилитель. Давайте, кстати, переименуем слой «Кривые 1» в «Усилитель», чтобы было понятно, что у нас это за слой. Включим его и четко видим все недостатки. Инструмент «Штамп» у меня активен. Жесткостьставим на 100%, и прозрачность и нажим 100%. Активен слой «Ретушь ВЧ» и теперь, мы опять штампиком аккуратненько работаем. Нажимаем «Alt». Вот видите, я допустил ошибку. Это даже хорошо, что я её сделал. Нажмем «Сtrl+Z» — отмена. Я забыл у штампика изменить параметр «Образец». Нам, теперь, поставить надо только «Активный слой». Начинаем работать. «Alt», берем образец и аккуратненько убираем вот эти все мелкие недостатки. Это кропотливая работа. Здесь лучше увеличить масштаб и спокойно работать. Количество времени, которое вы потратите на эту работу, зависит, конечно, от того, какая у вас цель. Если вы хотите напечатать фотографию 10 на 15, то такую мелкую работу, конечно, не надо делать. Всё равно, вы её на такой фотографии не увидите, настолько эта фотография будет маленькая. А если вы делаете, к примеру, большой портрет, то, конечно, имеет смысл посидеть и вот так вот не спеша всё здесь убрать. Мы видим здесь каждую пору кожи. Можно увеличить масштаб. Уменьшить диаметр кисти штампа и аккуратненько, вот так вот, поработать. Это, как говорится, уже штучная работа. Вы видите у нас всё четко убирается. Причём, структура кожи полностью сохраняется, а не замыливается.

Давайте, уберём вот эту большую родинку. Посмотрим. Выключим наш усилитель и посмотрим, что нам отдал этот слой. Вот, такая у нас была кожа, вот, что получилось после ретуши, которую мы, конечно, ещё сделали не полностью. Вы видите, как у нас четко сохранилась структура кожи, абсолютно не замылилась, но все вот эти мелкие недостатки, мы с вами аккуратно убираем. Причём,обратите внимание на такую особенность, как вы видите, вот эту большую родинку я до конца убрать не могу на слое ВЧ. Пытаюсь несколько раз пройтись по этой родинке. Она до конца у меня всё равно не убирается. Почему? Дело в том, что радиус, который я выбрал, разделил нашу картинку таким образом, что вот этот недостаток попал у нас как на слой НЧ, так и на слой ВЧ. Поэтому, в таких случаях переходите на слой низкой частоты. Измените параметры «Штампа», «Жесткость», «Активной ниже» и «Непрозрачность», к примеру, поставим 30%. Давайте, попробуем убрать. Вы видите, родинка светлеет, то есть, в данном случае, вот эта родинка попала у нас и на слой ВЧ и на слой НЧ. Ну и так далее.

Давайте, посмотрим, что у нас получилось. Немножко увеличим масштаб фотографии. Вот у нас исходная фотография, вот такую фотографию мы с вами получили. Я поработал буквально по минуте на каждом слое и уже у нас фотография выглядит значительно лучше. Мы с вами сделали ретушь, конечно, не до конца. На этой фотографии я не старался полностью сделать ретушь, а просто показал вам, на каких слоях, каким инструментом, с какими настройками работать. И в результате моей работы, буквально, там, минуты полторы, я поработал на каждом слое, у нас фотография выглядит уже значительно лучше. Конечно, здесь надо работать и работать, но, опять же, всё зависит от результата, который вы хотите достичь.

На этом наш урок окончен.

Спасибо за внимание!

А я вас жду в следующем уроке.

СКАЧАТЬ УРОК «СЕКРЕТЫ РЕТУШИ МЕТОДОМ ЧАСТОТНОГО РАЗЛОЖЕНИЯ В PHOTOSHOP. УРОК 7. СТРУКТУРА СЛОЕВ ДЛЯ РЕТУШИ»:

Друзья!

Жду Ваши вопросы, комментарии и пожелания к уроку.

Если Вы не хотите пропустить интересные видео уроки, подпишитесь на рассылку сайта. Форма для подписки находится ниже.

Метод частотного разложения · Мир Фотошопа

Профессиональные ретушёры использую много разных техник ретуши кожи. В этом уроке Вы изучите одну из базовых техник ретуши называемую частотным разложением. Она используется для быстрого разглаживания кожи без потери детализации.

Что такое частотное разложение?

Частотное разложение — это жаргон, используемый в мире ретуши, для описания техники разглаживания кожи. Техника основывается на разделении изображения на две «частоты».

Слой низкой частоты: слой для смягчения, на котором находятся только тона и оттенки.
Слой высокой частоты: слой резкости и мелких деталей.

Как разгладить кожу аэрографом, используя метод частотного разложения?

1. Подготовьте слой к обратимому редактированию

Преобразуйте слой фотографии в смарт-объект. Благодаря ему Вы сможете изменять настройки фильтров в любое время.

Создайте две копии слоя. Верхнюю назовите «High Frequency Layer», а нижнюю — «Low Frequency Layer».

2. Создание слоя высокой частоты

Выберите верхний слой и примените фильтр High Pass (Filter ? Other ? High Pass). В результате получится серый слой с эффектом тиснения на деталях. Установите радиус на 3 пикселя.

Установите режим наложения Linear Light и получите очень сильную резкость. Этот слой поможет восстановить детализацию на фотографии.

3. Традиционный и современный вариант размытия

Обычно к слою с низкой частотой применяют фильтр Gaussian Blur, который противоположен фильтру High Pass. Вместо повышения детализации он размазывает изображение так, чтобы стали видны только тона.

Однако традиционный способ не всегда даёт хорошие результаты. Он создаёт эффект рассеянного свечения и делает кожу искусственной. Поэтому вместо традиционного метода мы будем использовать современный, подразумевающий применение фильтра Surface Blur. Он даёт более реалистичное изображение и сохраняет края объектов чёткими. Ниже можете сравнить два фильтра:

4. Создание слоя низкой частоты

Выберите нижнюю копию и примените фильтр Surface Blur (Filter ? Blur ? Surface Blur).

5. Настройка слоя высокой частоты

Уменьшите непрозрачность верхнего слоя, чтобы уменьшить чрезмерную резкость. Начните с 50%.

6. Настройка слоя низкой частоты

Вернёмся к нижнему слою. Кликните дважды на названии фильтра, чтобы открыть настройки. Установите Threshold на максимум и настройте радиус так, чтобы тона кожи стали плавными и всё изображение размытым.

Уменьшите Threshold, чтобы детали стали снова появляться. Возможно Вам потребуется несколько раз перенастраивать фильтр.

7. Объединение слоёв

Оба слоя поместите в одну группу (Ctrl + G) и назовите её «Frequency Separation».

8. Маска группы

К группе добавьте маску и залейте её чёрным цветом. Белой кистью верните эффект разглаживания на отдельные участки лица.

На этом можно закончить урок. Так как мы работали со смарт-объектом, Вы в любой момент можете открыть его и изменить изображение. Если вдруг решите почистить кожу инструментом Spot Healing Brush Tool, лучше работать на отдельном слое. В настройках инструмента нужно включить Sample All Layers.

Результат до и после:

И снова «Умное» частотное разложение: skitalets_san — LiveJournal

Все никак не давала мне покоя мысль, что такая замечательная возможность редактировать радиус размытия реал-тайм малопригодна для практического применения. Об этом я говорил тут. Тот вариант действительно был малопригоден. И из-за большого количесва смарт-слоев, и, что гораздо важнее, из-за того, что радиус нужно менять в парных слоях. То есть, меняя радиус в слоях по очереди, мало толку смотреть на получающийся результат.
Однако! Никто же не мешает вывести в модальном окне ползунок, который будет менять радиус синхронно в обоих слоях. Когда до меня, наконец таки, дошла такая простая мысль, сразу стало веселее и появился энтузиазм.Разбивать на 4 полосы, как в экшене в той теме, все таки не решился. Даже с оптимизацией, все равно получается многовато слоев. А вот разложение на 3 полосы, вполне себе рабочий вариант. Особенно, если сделать редактируемым радиус только для высоких частот. Для низких это особо и не нужно. И так визуально отлично все сразу видно. А вот с высокими частотами возможны нюансы.
Сказано, сделано. Вот что получается с тремя полосами:

Не так уж много слоев и всего только два из них являются смарт-объектами. При таком раскладе имеет смысл проводить ретушь методом подавления средних частот. То есть, экшен выдает свернутый вариант групп:

Пользователю остается только закрасить черной кисточкой белую маску в группе слоев средних частот в тех областях, где это необходимо.
И вот дальше начинается самое интересное и приятное. Закрасили. Но… не нравится результат. Надо бы подкорректировать радиус. И как быть? А очень просто. У нас же там смарт-слои. Жмем кнопку, появляется модальное окно с ползунком и начинаем менять радиус. При этом сразу же наблюдая, как это отразится на конечном результате. Поменяли. Продолжаем рисовать кисточкой. Если надо, опять можем поменять радиус. И так, до получения конечного результата.
Вот честно, нигдя я такой фишки больше не видел. Поэтому хожу важно надувая щеки 😀 Но и это еще не все. Хорошо известно, что метод подавления частоты не самый лучший. Его достоинство в простоте и наглядности. Поэтому, если вам не нужен такой метод, а предпочтительнее классический, просто жмем еще одну кнопку (считается, что радиус вы уже подобрали) и все это многослойное безобразие схлопывается до привычного уже вида при частном разложении:

И дальше можете либо удалить маску и приступить к ретуши классическим методом, Либо использовать вообще комбинированный метод. Оставить маску и подправить штампом нужные области. Промежуточный этап с маской, при подборе радиуса, не отнимет много времени. Мазнули не глядя и подобрали радиус. Так что и для классики такой подход вполне себе оправдан. Я уж не говорю о тех, кто этим занимается только эпизодически и для кого затруднительно сразу, вполуслепую, выставить нужный радиус.
А если использовать не гауссово размытие, а размытие по поверхности, то это может оказаться полезным даже тем, кто собаку уже съел на этом. Потому что в размытии по поверхности нужно менять уже два параметра. Для НЕ гуру, это сущий ад, методом проб и ошибок подобрать эти параметры классическим методом. А так, вуаля, два ползунка, меняй как хочешь и смотри, что получается.

Изначально все задумывалось сделать с модальным окном. Но взвесив все за и против, пришел к выводу, что лучше и удобней оформить это в минипанельку. Тут тебе сразу и ползунок постоянно присутствует, и все необходимые другие элементы. Без всяких дополнительных наворотов. Просто два метода 3-полосного разложения. С гауссовым размытием и по поверхности.

Мастер-класс Евгения Карташова «Частотное разложение. Просто, как дважды два» — Обо всём — Каталог статей

Для тех, кто не смог присутствовать на мастер-классе Евгения Карташова «Частотное разложение. Просто, как дважды два» — пошаговые инструкции, фишки из практики, предлагается её запись.

Весь мастер-класс разбит на одиннадцать частей обшей продолжительностью 2 часа 23 минуты:

Программа мастер-класса:

Часть 1 — Краткая теория о разложении изображения на пространственные частоты

Часть 2 — Классический способ частотного разложения на две полосы частот. Недостатки данного способа

Часть 3 — Способ разложения с вычитанием

Часть 4 — Преимущества ретуши с помощью частотного разложения. Подбор параметров частотного разложения

Часть 5 — Работа с низкочастотной составляющей

Часть 6 — Работа с высокочастотной составляющей

Часть 7 — Разложение изображение на 3 полосы частот

Часть 8 — Упрощенный метод частотного разложения (подавление средних частот)

Часть 9 — Многополосное частотное разложение (частотный эквалайзер). Разложение картинки на произвольно количество полос частот

Часть 10 — Применение других фильтров размытия для частотного разложения. Преимущества и недостатки. Комбинации приемов работы. Встраивание других технологий работы в процесс ретуши с помощью частотного разложения

Часть 11 — Некоторые нестандартные приемы использования технологии вычитания (частотные слои)

Всё это доступно в версии мастер-класса «Стандарт», в версии «VIP» вы получите дополнительно два модуля:

Модуль 1 — Шесть экшенов для ретуши с помощью частотного разложения

Модуль 2 — Использование фильтра Camera RAW для частотного разложения

Версия Adobe Photoshop CC и выше.

Перейти на страницу мастер-класса →

Другие продукты Евгения Карташова:

— Основы цветокоррекции 2.0 в Adobe Photoshop

— Съёмка белого на белом по методу Евгения Карташова

— Профессиональная обработка фотографий из путешествий по методу Евгения Карташова

— 20 готовых световых схем для съёмки в фотостудии

— Запись мастер-класса «Волшебство LAB»

— Набор профессиональных экшенов для ретуши по методу частотного разложения

— Марафон «Сделай первые шаги в ретуши портретов»

— Видеоурок «Тонирование фото под пленку»

— Панель Black and White 2014

— Панель для Photoshop «Черно-белая пленка»

— Видеоурок по тонированию свадебной фотографии

— Панель расширения для Photoshop «Частотное разложение»

— Запись мастер-класса «Автоматизация Photoshop. Экшены»

— Запись мастер-класса «Топ-10 фильтров Adobe Photoshop»

— MASK PANEL. Секрет укрощения масок

— Панель расширения Mask Panel для Photoshop

— Запись мастер-класса «Adobe Camera Raw – фундамент для обработки»

— Запись мастер-класса «Camera Raw — фундамент для обработки 2.0»

— Запись вебинара «Основы работы в Adobe Camera Raw 7»

— 87 пресетов для Adobe Camera Raw

— Система пресетов для Adobe Camera Raw 7 (Photoshop CS6)

— 92 пресета для Lightroom

— Видеокурс «Lightroom-чародей»

— Видеоурок по созданию эффекта HDR

— Видеоурок «Двухцветное HDR-тонирование»

— Фотошоп для фотографа 2013

— Обнаженное тело. Секреты ретуши и тонировки

— Быстрая ретушь с Retouch Panel

— Самостоятельное изготовление серой карты в Adobe Photoshop

— 77 лучших видеоуроков для фотографов от Фото-монстра

— Сборник из 86 видеоуроков от Евгения Карташова

— Сборник из 50 видеоуроков по Photoshop от Евгения Карташова

— Запись вебинара по созданию пользовательских панелей Photoshop. Работа со скриптами

— Запись вебинара по работе с каналами и масками + видеокурс

Частотное разложение в пейзажной фотографии: adventures_life — LiveJournal

Частотное разложение, как метод раздельной коррекции светотеневого рисунка и фактуры, повсеместно используется для ретуши портретов. Но и в пейзаже он нашел свое применение. Во всяком случае, у меня. Пейзажные фотографии, как правило, отличаются высоким качеством изображения и максимальной резкостью всего изображенного пространства. Зритель получает наслаждение от чистоты и гармонии картинки, и любое незначительное замыливание фактуры или разрушение светотени сразу бросается в глаза. Поэтому редактировать высокие и низкие частоты лучше всегда по отдельности.

Я опишу основные ситуации, где частотное разложение может сильно выручить, и дам кое-какие рекомендации по применению метода.

1) Ретушь следов на снегу или песке. Хорошо дополнить композицию могут только следы диких животных. Попадание в кадр человеческих следов обычно не желательно, но если на фото они всё-таки попали, их нужно затереть. Если следы небольшого размера и не нарушают светотеневой рисунок, можно воспользоваться инструментом «восстанавливающая кисть». Но во всех остальных случаях, результат будет неудовлетворительным. Раздельная ретушь низких и высоких частот позволяет пересадить фактуру с соседних областей на место следов без замыливания и полностью восстановить разрушенный свето-теневой рисунок. Качество картинки получается идеаьным при любом увеличении. Отдельно хочу заметить, что если следы начинаются на переднем плане и уходят в перспективу, раскладывать картинку придется несколько раз. Фактура снега на разном удалении от камеры будет попадать в разные пространственные частоты.

2) Доработка стыков при сборке панорам. При съемке панорам длиннофокусным объективом, программа иногда ошибается при стыковке четких фактур. Для меня, частотное разложение, это единственный метод, которым можно решить такую проблему. Если не требуется идеальное качество картинки, можно ограничится правкой низких частот. Здесь наиболее удобным, бесспорно, является инструмент «микс-кисть»; позволяет быстро выровнить яркости по обе стороны от места сшивки. Для достижения идеального результата, придется ретушировать и высокие частоты. Линейные фактуры, как в примере с пустыней, наиболее сложны. Необходимо вручную дорисовывать стыки песчаных бороздок.

3) Приглушение ненужных объемов. Если требуется сконцентрировать внимание зрителя на конкретной части картинки, то объемы на всех других участках будут этому мешать. Полность убирать отвлекающие детали нельзя, так как на их месте образуется пустота. Необходимо просто немного приглушить их объем, сделать менее контрастными. Эту задачу можно решить и классическими методами dodge&burn, однако мне сподручнее использовать частотное разложение.

4) Удаление постеризации на небе. Постеризация обычно является следствием дешевой техники и неграмотной обработки. Однако, иногда, вопереки всему, на небе всё-таки появляются полосы. И убрать их быват очнь не просто. Я выбираю такой радиус, при котором исчезает зерно на небе, но остаются линии, а затем затираю их штампом и на низких и на высоких частотах. Но некоторыми облаками, так или иначе, придется пожертвовать, потомы что они находятся на тех же частотах, что и полосы постеризации.

В заключении скажу пару слов про само разложение пейзажных фотографий. Во первых, раскладываем только через вычитание низкочастотной картинки из исходника. Применение фильтра хай-пасс недопустимо, так как работаем мы с довольно большими радиусами, а на фото присутствует множество высококонтрастных границ. Во вторых, всю обработку мы проводим в 16 битах, и это нужно обязательно учитывать при разложении.

Frequency Decomposition — обзор

3.2 Разделение источников многоканального звука

В этом разделе мы кратко представляем основы разделения источников многоканального звука. Эта презентация ограничена основным материалом, необходимым для понимания следующего обсуждения MASS в дикой природе. Действительно, цель этой главы не состоит в том, чтобы подробно представить теоретические основы и принципы разделения источников и формирования луча, даже ограничиваясь аудиоконтекстом: многие публикации посвящены этой проблеме, включая книги [13,26,33,61,89] и обзорные статьи [20,48,106].

Сотни методов усиления многоканального аудиосигнала были предложены в литературе за последние 40 лет двумя историческими путями исследования. Обработка массива микрофонов возникла из теории обработки массива датчиков для телекоммуникаций и была сосредоточена в основном на локализации и улучшении речи в шумной или реверберирующей среде [14,18,25,49,84], в то время как MASS позже был популяризирован Сообщество машинного обучения, и оно рассматривало сценарии «коктейльной вечеринки» с участием нескольких источников звука, смешанных вместе [26,89,106,113,136,137].Эти два направления исследований сошлись в последнее десятилетие, и сегодня их трудно различить. Методы разделения источников больше не обязательно являются слепыми, и в большинстве из них используются те же теоретические инструменты, модели импульсной характеристики и принципы пространственной фильтрации, что и в методах улучшения речи.

Формализация задачи MASS начинается с формализации сигнала смеси. Наиболее общее выражение для линейной смеси сигналов источников J , записанных микрофонами I :

(3.1) x (t) = ∑j = 1Jyj (t) + b (t) ∈RI,

, где yj (t) ∈RI — многоканальное изображение j -го исходного сигнала sj (t) [128] с учетом эффекта распространения звука от места расположения излучаемого источника до микрофонов (каждая запись yij (t) из yj (t) является изображением sj (t) на микрофоне i ). b (t) — коэффициент шума датчика. В большинстве исследований MASS эффект распространения звука от источника j до микрофона i моделируется как линейный инвариантный во времени фильтр импульсной характеристики aij (t), и мы имеем

(3.2) x (t) = ∑j = 1J∑τ = 0La − 1aj (τ) sj (t − τ) + b (t).

Вектор aj (τ) содержит все ответы aij (t) для i∈ [1, I], которые, как предполагается, имеют одинаковую длину La для удобства. В зависимости от приложения цель MASS состоит в том, чтобы оценить либо исходные изображения yj (t), либо (одноканальные) исходные сигналы sj (t) по наблюдению x (t).

Современные методы MASS обычно начинаются с частотно-временного (TF) разложения временных сигналов, обычно с применением кратковременного преобразования Фурье (STFT) [29].На это есть две основные причины. Во-первых, подходы, основанные на моделях, могут использовать преимущества очень конкретной разреженной структуры аудиосигналов в плоскости TF [115]: небольшая часть исходных коэффициентов TF имеет значительную энергию. Таким образом, исходные сигналы, как правило, намного меньше перекрываются в области TF, чем во временной области, что, естественно, способствует разделению. Во-вторых, принято считать, что на каждой частоте процесс сверточного микширования во временной области (3.2) преобразуется с помощью STFT в простое произведение между исходными коэффициентами STFT и коэффициентами дискретного преобразования Фурье (DFT) смешивающего фильтра, см. e.грамм. [4,91,107,109,110,146,147] и многие другие исследования:

(3.3) x (f, n) ≈∑j = 1Jaj (f) sj (f, n) + b (f, n) = A (f) s (f , n) + b (f, n),

где x (f, n), sj (f, n) и b (f, n) — СТПФ для x (τ), b (τ) и sj ( τ) соответственно, а aj (f) собирает ДПФ элементов aj (τ), известных как акустические передаточные функции (ATF). Векторы ATF объединяются в матрицу A (f), а исходные сигналы sj (f, n) складываются в вектор s (f, n). Во многих практических сценариях A (f) заменяется соответствующей матрицей относительной передаточной функции (RTF), для которой каждый столбец нормализуется своей первой записью.При такой нормализации первая строка A (f) состоит из «1», а исходные сигналы sj (f, n) заменяются их изображением на первом микрофоне. ²

Как далее обсуждается в разделе 3.3.3, (3.3) является приближением, которое допустимо, если длина импульсных характеристик смесительных фильтров короче, чем длина анализа окна STFT. В литературе и далее это приближение называется приближением мультипликативной передаточной функции (МПФ) [9] или узкополосным приближением [71].

MASS-методы затем можно разделить на четыре (неисключительные) категории [48,137]. Во-первых, методы разделения, основанные на анализе независимых компонентов (ICA), заключаются в оценке фильтров демиксирования, которые максимизируют независимость разделенных источников [26,61]. Методы ICA на TF-домен широко исследованы [103, 110, 127]. К сожалению, основанные на ICA методы подвержены хорошо известным проблемам неоднозначности масштабов и перестановки источников по элементам разрешения по частоте [3], которые обычно должны решаться как этап постобработки [62,119,120].Кроме того, эти методы нельзя напрямую применять к недоопределенным смесям.

Во-вторых, методы, основанные на анализе разреженных компонентов (SCA) и двоичном маскировании, основываются на предположении, что только один источник активен в каждой точке TF [4,91,118,146] (большинство методов рассматривают только один активный источник в каждом бине TF, хотя в принципе подходы SCA и ICA можно комбинировать, учитывая до – активных источников в каждом бункере TF). Эти методы часто основываются на некотором виде кластеризации источников в домене TF, как правило, на основе пространственной информации, извлеченной из предшествующей идентификации фильтра смешивания.Следовательно, для такого рода методов проблема разделения источников часто связана с проблемой локализации источника (где находятся источники излучения?).

В-третьих, более современные методы основаны на вероятностных генеративных моделях в области STFT и связанных алгоритмах оценки параметров и вывода источников [137]. Последние в основном основаны на хорошо известной методологии максимизации ожидания (EM) [30] и т.п. (т. Е. Итеративных методах чередующейся оптимизации). Одним из популярных подходов является моделирование коэффициентов STFT источника с помощью комплексной локальной гауссовой модели (LGM) [37,45,82,148], часто в сочетании с моделью неотрицательной матричной факторизации (NMF) [74], применяемой к спектральной плотности мощности источника. (PSD) матрица [6,44,107,109], которая напоминает такие новаторские работы, как [12].Это позволяет резко сократить количество параметров модели и (до некоторой степени) облегчить проблему перестановки источников. Источники звука обычно разделяются с помощью фильтров Винера, построенных на основе изученных параметров. Такой подход был расширен на супергауссовские (или с тяжелым хвостом) распределения для моделирования разреженности аудиосигнала в области TF [98], а также на полностью байесовскую структуру путем рассмотрения априорных распределений для (источника и / или микширования). процесс) параметры модели [66].Обратите внимание, что, что касается методов SCA / двоичного маскирования, оценка параметров смешения и само разделение источников — это два разных этапа, которые часто обрабатываются поочередно в рамках методологии, основанной на принципах электромагнитной совместимости.

Методы, принадлежащие к четвертой категории, можно в целом классифицировать как методы формирования луча, что примерно эквивалентно линейной пространственной фильтрации . Формирователь луча — это вектор w (f) = [w1 (f),…, wI (f)] T, содержащий один комплексный весовой коэффициент для каждого микрофона, который применяется к x (n, f).Выход wH (f) x (n, f) может быть преобразован обратно во временную область с помощью обратного STFT. Изначально формирователи луча относились к пространственным фильтрам, основанным на направлении прихода (DOA) исходного сигнала, и только позже были обобщены на любые линейные пространственные фильтры. Формирователи луча на основе DOA по-прежнему широко используются, особенно когда решающее значение имеют простота реализации и ее надежность. Однако ожидается, что характеристики этих формирователей луча ухудшатся по сравнению с современными формирователями луча, которые учитывают весь акустический путь [46].Вес формирователя луча устанавливается в соответствии с конкретным критерием оптимизации. Многие критерии формирования луча можно найти в общей литературе [134]. В сообществе обработки речи используется формирователь луча с минимальной дисперсией без искажений (MVDR) [46], формирователь луча с максимальным отношением сигнал / шум (MSNR) [142], многоканальный фильтр Винера (MWF) [34], в частности его искажение речи взвешенный вариант (SDW-MWF) [35] и формирователь луча с линейно ограниченной минимальной дисперсией (LCMV) [92], широко используются.

Можно утверждать, что до сих пор подход формирования луча приводил к более эффективным промышленным приложениям реального мира, чем «общий» подход MASS. Это заключается в различии между (а) усилением пространственно фиксированного доминирующего целевого речевого сигнала от фонового шума (возможно, состоящего из нескольких источников) и (б) четким разделением нескольких исходных сигналов, которые все рассматриваются как представляющие интерес сигналы, которые смешиваются с аналогичными мощность (проблема коктейльной вечеринки). Первую проблему, как правило, решить проще, чем вторую.Другими словами, второй можно рассматривать как продолжение первого. В любом случае, как мы сейчас увидим, проблемы обработки в естественных условиях остаются сложными в каждом случае.

Частотно-временное разложение — SEG Wiki

Рассмотрим форму волны или сигнал с как функцию времени t . Например, синусоида с некоторой амплитудой a и на некоторой частоте f может быть определена как

s (t) = asin⁡ (2πft) {\ displaystyle s (t) = a \ sin (2 \ pi ft)}.

Мы можем реализовать эту математическую функцию как подпрограмму, обычно также называемую функцией , на языке программирования Python. Поскольку компьютеры живут в дискретном мире, мы необходимо оценить функцию в течение некоторого времени и с некоторой частотой дискретизации:

 def sine_wave (f, a, duration, sample_rate):
    t = np.arange (0, продолжительность, 1 / частота_выборки)
    вернуть a * np.sin (2 * np.pi * f * t), t

Теперь мы можем вызвать эту функцию, передав ей частоту f = 261.63 Гц. Мы просим 0,25 с при частоте дискретизации 10 кГц.

 с, t = sine_wave (f = 261,63,
                   а = 1,
                   продолжительность = 0,25,
                   sample_rate = 10e3)

Это приводит к следующему сигналу, обычно называемому временным рядом , который мы визуализируем путем построения графика с в зависимости от времени t :

Я изобразил результирующий массив в виде линии, но на самом деле это серия дискретных точек, представленных в Python в виде массива чисел, начиная с этих четырех:

 массив ([0., 0,1636476, 0,32288289, 0,47341253])

Построим первые 80 точек:

Когда воздух вибрирует с этой частотой, мы слышим среднюю C или C4. Вы можете услышать примечание для себя в Блокноте Jupyter, сопровождающем эту статью, по адресу https://github.com/seg/tutorials-2018. (Блокнот также содержит весь код для построения графиков.) Код для рендеринга массива s как аудио очень короткий:

 из IPython.display импорт аудио
fs = 10e3
Аудио (с, частота = fs)

Этот сигнал только 0.25 секунд, а покачиваний уже много. Нам бы очень хотелось, чтобы сейсмические исследования проводились на такой частоте! Большинство сейсмических данных воспроизводятся только на нижних 20-30 клавишах 88-клавишного пианино — действительно, самая нижняя клавиша — это A0, которая на 27,5 Гц выше пиковой частоты многих более старых съемок.

Если бы мы хотели узнать частоту этого сигнала, мы могли бы предположить, что это чистый тон, и просто посчитать количество циклов в единицу времени. Но естественные сигналы редко бывают монотонными, поэтому давайте сделаем более интересный сигнал.Мы можем использовать нашу функцию, чтобы сделать аккорд до мажор с тремя нотами (C4, E4 и G4), передав векторы столбцов (путем изменения формы массивов) для частоты f и амплитуды a :

 f = np.array ([261.6, 329.6, 392.0])
a = np.array ([1.5, 0.5, 1])
s, t = sine_wave (f = f.reshape (3, 1),
                 a = a.reshape (3, 1),
                 продолжительность = 0,25,
                 sample_rate = 10e3)

Результатом является набор из трех синусоидальных кривых длиной 0,25 с:

Суммарный сигнал определяется суммой трех кривых:

 s = np.сумма (s, ось = 0)

Преобразование Фурье

Хотя этот смешанный или политонный сигнал представляет собой всего лишь сумму трех чистых тонов, определение компонентов уже не является тривиальным делом. Здесь на помощь приходит преобразование Фурье.

Мы не будем вдаваться в подробности того, как работает преобразование Фурье. Лучшее объяснение, которое я видел за последнее время, — это вступительное видео Гранта Сандерсона. Дело в том, что преобразование описывает сигналы как смесь периодических компонентов.Давай попробуем это на нашем аккорде.

Сначала мы сужаем сигнал, умножая его на функцию окна . Идеальные чистые тона имеют бесконечную длительность, а сужение помогает предотвратить влияние краев нашего конечного сигнала на преобразование Фурье.

 s = s * np.blackman (размер s)

Оконная функция (зеленый) имеет эффект постепенного изменения сигнала:

Поскольку функция s определена для данного момента времени t , мы называем это представление сигнала временной областью .(е) {\ displaystyle {\ hat {s}} (f)}). Это новое представление называется частотной областью. Он состоит из массива коэффициентов Фурье :

 S = np.fft.fft (с)

Вспомогательная функция fftfreq () возвращает массив частот, соответствующих коэффициентам. Интервал частотной выборки определяется длительностью сигнала с : чем длиннее сигнал, тем меньше интервал частотной выборки. (Точно так же короткие интервалы выборки по времени соответствуют широкой полосе частот.)

 freq = np.fft.fftfreq (s.size, d = 1 / 10e3)

Результатом является массив коэффициентов Фурье , большинство из которых равны нулю. Но на частотах в хорде и около них коэффициенты большие. Результат: «рецепт» аккорда в терминах синусоидальных монотонов.

Это называется спектром сигнала s . Он показывает величину каждой частотной составляющей.

Частотно-временное представление

Теперь мы знаем, как расплетать политонические сигналы, но давайте введем еще одну сложность — сигналы, компоненты которых меняются с течением времени.Такие сигналы называются нестационарными . Например, представьте себе монотонный сигнал, тон которого меняется в какой-то момент (см. в Блокноте код, который генерирует этот сигнал):

Мы можем вычислить преобразование Фурье этого сигнала, как и раньше:

 s * = np.blackman (размер s)
S = np.fft.fft (s)
freq = np.fft.fftfreq (s.size, d = 1 / 10e3)

И построить график амплитуды S против частотного массива freq :

Он очень похож на спектр, который мы создали ранее, но без средней частоты.Пики немного более разбросаны, потому что длительность каждого сигнала вдвое меньше, чем была. (Общий принцип неопределенности распределяет сигналы по частоте по мере того, как они становятся более компактными во времени.)

Дело в том, что нет большой разницы между спектром двух смешанных сигналов и спектром двух последовательных сигналов. Если мы заботимся о локализации сигналов во времени (делаем!), это проблема. Одно из решений — обратиться к частотно-временным представлениям .Пытаясь одновременно разбить сигнал по времени и частоте, они предлагают способ одновременно пользоваться преимуществами обоих доменов.

Библиотека построения графиков Python matplotlib предлагает удобный способ построения частотно-временного графика, также известного как спектрограмма . В одной строке кода он создает график 2D-изображения, показывающий частоту в зависимости от времени.

 _ = plt.specgram (s, Fs = 1 / 10e3,
                   NFFT = 512, noverlap = 480)

Приложив немного больше усилий, мы можем получить очень обширное представление о наших данных:

График использует алгоритм, называемый кратковременным преобразованием Фурье или STFT.Это просто выполняет преобразование Фурье в скользящем окне длиной NFFT , при этом noverlap точки перекрываются с предыдущим окном. Мы хотим, чтобы NFFT был длинным, чтобы получить хорошее частотное разрешение, и мы хотим, чтобы noverlap был большим, чтобы получить хорошее временное разрешение.

Обратите внимание, что мы не можем точно увидеть точную частоту компонентов — они не работают достаточно долго, чтобы их определить. Есть некоторая неуверенность в сроках перехода, потому что для получения приличного частотного разрешения нам нужен более длинный сегмент сигнала (в данном случае 512 отсчетов) — поэтому мы теряем информацию о времени.Но в целом этот сюжет лучше, чем Только спектр: мы можем видеть, что есть по крайней мере два сильных сигнала с частотами около 250 и 400 Гц, и что изменение происходит примерно через 0,125 с.

Произведение фортепианной музыки может напоминать такой сюжет. Поскольку клавиши пианино могут воспроизводить только одну ноту, спектрограмма фортепианной музыки выглядит как серия горизонтальных линий:

Существует сильное сходство между этим частотно-временным разложением и обозначением нотоносца:

Оказывается, что наиболее интересные сигналы — и, возможно, все естественные сигналы — являются политонными и нестационарными.По этой причине, хотя временные ряды часто полезны, частотно-временное разложение может быть очень показательным. Вот несколько примеров; в каждом случае частота отложена по вертикальной оси, а время — по горизонтальной оси. Цвета указывают на мощность от низкой (синий) до высокой (желтый) (пропорционально квадрату амплитуды).

Вот человеческий голос, говорящий «SEG». Сонорантные гласные имеют гармоники (горизонтальные полосы), тогда как свистящие звуки «S» и первой части «G» имеют шумоподобные спектральные отклики.

Эта спектрограмма показывает 5-секундную серию щебетаний летучих мышей. Я обозначил 18 кГц, приблизительный предел слышимости взрослого человека, оранжевой линией, и если вы слушаете звук этого сигнала в Ноутбук, вы можете убедиться, что щебетание едва слышно при нормальной скорости воспроизведения; только при замедлении клипа их можно будет отчетливо услышать.

Наконец, вот вулканический «крик» — гармонический тремор, предшествующий взрывному извержению на горе Редут, Аляска, в марте 2009 года. Звучит невероятно в аудио, но спектрограмма тоже интересно.В отличие от чириканья летучей мыши, этот 15-минутный временной ряд должен быть ускорен, чтобы его услышать.

Продолжить изучение

Все рисунки в этой записной книжке можно воспроизвести с помощью кода из записной книжки Jupyter, прилагаемой к этой статье на https://github.com/seg/tutorials-2018. Вы даже можете запустить код в облаке и поиграть с ним в браузере. Ничего не сломаешь — не волнуйся!

В хранилище вы также найдете больше сигналов, синтетических и естественных, от ударов сердца и загадочного подводного щебета до гравитационных волн и сейсмических трасс.Мало того, есть блокнот, в котором показано, как использовать другой алгоритм — непрерывное вейвлет-преобразование — для получения другого типа частотно-временного анализа.

Удачного разложения!

Автор, ответственный за переписку

Автор, ответственный за переписку: Мэтт Холл, Agile Scientific, Махоун-Бэй, Новая Шотландия, Канада. Электронная почта: mattagilescientific.com

Благодарности

Фортепианная запись BWV846 Баха имеет лицензию CC-BY Кимико Ишизака на http: // welltemperedclavier.орг. Данные чирикающих летучих мышей лицензированы CC-BY-NC пользователем http://freesound.org klankschap. Спасибо Алисии Хотовек-Эллис за ее помощь с данными о Маунт Редут, зарегистрированными обсерваторией вулкана Аляски Геологической службы США.

Внешние ссылки

Спектральное разложение — SEG Wiki

Рисунок 1: Это изображение представляет собой мультипликационный поперечный разрез, показывающий соотношение частотно-временной толщины, представленное спектральным разложением. Зеленым цветом показаны области, настроенные на 30 Гц, а красным — настроенные на 18 Гц.После Laughlin et al. (2002)

Спектральная декомпозиция или частотно-временной анализ (также частотно-временная декомпозиция) — это метод, используемый для облегчения интерпретации сейсмических данных. Спектральная декомпозиция может выполняться по множеству атрибутов (частота, угол падения, азимут…), хотя частота является наиболее распространенной. Это также может быть выполнено для данных, перенесенных по времени или по глубине, и приводит к настройке частот с единицами измерения в Гц и циклами / расстоянием, соответственно. Результатом спектрального разложения данных являются частотная и фазовая составляющие, первая из которых является прямой мерой относительной сейсмической амплитуды в полосе частот ^[1] ^[2].Основное использование атрибута — помощь в стратиграфической интерпретации за счет улучшения разрешения тонких пластов и отображения временной изменчивости толщин пластов. Это необходимо, потому что вейвлет часто охватывает несколько подповерхностных слоев, что приводит к сложному настроенному отражению, которое является результатом сверточной модели. По этой причине говорят, что спектральная декомпозиция удаляет наложенную вейвлет-печать из сейсмических данных ^[3]. Рисунок 1 слева — хорошее представление окончательного результата спектрального разложения (изменение толщины в стратиграфическом теле).Первая из двух дискретных частот — 30 Гц (зеленый), она освещает самую тонкую часть канала на карте. Красным цветом показаны 18 Гц и показаны более толстые части канала (тальвеги).

Методы

Тонкие пласты, хотя и наложены вейвлетом на записанные сейсмические данные, все же обладают уникальными частотными выражениями. Таким образом, если записанные трассы преобразованы из временной (или глубинной) области в частотную (анализ Фурье), спектры могут быть извлечены. Существует множество методов для выполнения этого преобразования и создания временных срезов и объемов спектрального разложения (перечисленных ниже), все из которых вычисляются на основе трассировки за трассой ^[4].Один из этих методов называется короткооконным дискретным преобразованием Фурье (SWDFT). По сути, этот метод берет вертикальные срезы или целые объемы и присваивает вес трассам (или взаимную корреляцию с конусными синусами и косинусами) в фиксированном временном окне ^[1]. Это временное окно сосредоточено вокруг каждой точки анализа в данный момент времени. Обычно длина окна составляет от 50 до 100 мс с конусностью около 20% от длины окна ^[1]. Непрерывное вейвлет-преобразование (CWT) — еще один распространенный метод, используемый в спектральной декомпозиции.Он похож на SWDFT, однако CWT имеет изменяющуюся длину окна (конусность), которая пропорциональна центральной частоте, короче для более высоких частот и длиннее для более низких частот ^[1]. Результатом этих различий в длине окна является разрешение. SWDFT будет иметь фиксированное частотно-временное разрешение, тогда как CWT не будет ^[5].

Методы спектрального разложения:

Кратковременное дискретное преобразование Фурье

S-преобразование или преобразование Стоквелла

Непрерывное вейвлет-преобразование

Сопоставление преследования и другие преобразования на основе словаря

Эмпирический режим
Decomposition Распределение Вилле

Синхронизирующее преобразование

Визуализация

Рисунок 2: На изображении показаны три отдельных спектральных компонента: а) 30 Гц; б) 40 Гц; в) 50 Гц с градационными цветовыми схемами и двумя смешанными изображениями; г) смешение RGB (красный = 30 Гц, зеленый = 40 Гц, синий = 50 Гц. ) и e) смешанные HLS.После Холла и Труийо (2004).

Отдельные частотные срезы или объемы спектрального разложения (на одной частоте) могут отображаться в различных программах и с множеством цветовых схем. Однако есть два часто используемых варианта цвета, которые эффективно смешивают несколько спектрально разложенных изображений. Это RGB и HLS оттенок-яркость-насыщенность). С помощью RGB пользователь выбирает три дискретные частоты и наносит их на график относительно красного, зеленого и синего цветов. HLS означает оттенок (длина волны цвета), яркость (яркость цвета) и насыщенность (тонирование цвета) [[1]].На этом дисплее три сгенерированных амплитудных среза представлены этими тремя величинами, а затем объединяются для получения единого изображения ^[1]. Представление этих цветовых схем показано на рисунке 2. На рисунке a, b и c — отдельные спектральные компоненты, а белый — яркие ответы. Часть d представляет собой RGB-смесь трех частотных срезов, а e — изображение HLS, на котором ярко-красным показаны места, где все три частоты являются яркими ^[1]. Рисунок 3 представляет собой изображение спектрального разложения RGB с более высоким разрешением, которое показывает одну большую извилистую речную систему и несколько меньших, менее извилистых каналов.Самые толстые каналы имеют оранжевый цвет, зеленые / желтые участки менее толстые, а синие участки тонкие (в основном мутные отложения на берегу).

Рисунок 3: Изображение выше представляет собой смесь RGB в стратиграфически сложном резервуаре у побережья Западной Африки. Высокая частота — синий, средняя частота — зеленый, низкая частота — красный. После того, как Бахорич и др. (2002).

Приложение

Spectral Decomposition широко используется в нефтяной промышленности как часть геофизических рабочих процессов для интерпретации трехмерных сейсмических данных.В сочетании с дисперсией (также известной как подобие, согласованность) каналы могут быть легче идентифицированы и проанализированы. Когерентность освещает края канала, а спектральное разложение представляет толщину канала. Кроме того, этот метод может дать лучшее представление о непрерывности тела канала, изменчивости заполнения и возможном качестве коллектора ^[6].

Помимо традиционного использования спектрального разложения в форме частотных срезов, его можно комбинировать с традиционным анализом изменения амплитуды со смещением для расчета спектрального AVO.В этом методе сейсмические сейсмограммы спектрально разлагаются на различные интересующие частоты, а затем выполняется AVO. Преимущество этого метода заключается в том, что сложенные тонкие газовые пески, которые обычно не наблюдаются в традиционных AVO, могут быть легко предсказаны с помощью этого метода ^[7].

Другое применение — включение спектрального разложения в другие сейсмические атрибуты, такие как SPICE или голосовые компоненты. SPICE (спектральное отображение корреляционных событий) — это атрибут, который улучшает сходимость форм сигналов.В этом методе используются коэффициенты вейвлет-преобразований и показатель Гёльдера, который является мерой сингулярности функции ^[1]. Результатом является объем, который подчеркивает неоднородности и позволяет автопикерам отслеживать горизонты в стратиграфически сложных областях. Пример SPICE показан на рисунке 4, который показывает его эффективность при оценке сингулярности. В данных амплитуды (рисунок 4а) наблюдается сближение отражателей, которые трудно разделить. Однако в части b) атрибут SPICE более четко показывает разрыв между отражателями.Компоненты голоса являются функцией спектральной величины и фазы для каждой частотно-временной выборки, взятой из спектрального разложения. Сам атрибут является версией входных сейсмических данных с полосовой фильтрацией, которая обычно выделяет неоднородности ^[8].

Рисунок 4: На изображениях выше показаны а) вертикальный срез по данным амплитуды и б) вертикальный срез по объему SPICE. После Liner et al. (2004).

Выпуски

Одной из проблем, которая становится все более распространенной при интерпретации сейсмических данных, является проблема огромного количества данных (особенно атрибутов).Спектральное разложение вносит большой вклад в эту проблему. Часто в зависимости от выбранного приращения частоты ^[2] генерируются многочисленные объемы фазовых и спектральных величин или срезов. Решением этой проблемы является уменьшение размерности с помощью анализа главных компонентов, который анализирует атрибуты и дает несколько объемов, представляющих максимальное изменение входных атрибутов ^[9].

Другая проблема связана с визуальным отображением. Как упоминалось ранее, существуют методы смешивания дискретных частот для более когерентной интерпретации.Однако частотные спектры сильно изменчивы, и поэтому детализации трех компонентов может быть недостаточно. Одним из способов решения этой проблемы является оптическое суммирование большего диапазона частот ^[10].

Примеры

Расшифровка заполнителя врезанной долины

Широко известное исследование спектрального разложения было выполнено Peyton et al. в 1999 году. В своих исследованиях группа использовала комбинацию спектрального разложения и когерентности, чтобы очертить и интерпретировать врезанные долины интервала Верхний Красный Вил в северной части бассейна Анадарко.Спектральная декомпозиция и когерентность были применены к трехмерной сейсморазведке Amoco mega merge. Цель состояла в том, чтобы идентифицировать прерывистые тела русла и, возможно, интерпретировать стадии заполнения русла. Используя эти два атрибута, группа смогла достичь обоих. На рисунке 5 показан один результат исследования, который отображает срез спектрального компонента на частоте 36 Гц. Часть 5a показывает канал, очерченный когерентностью, а также разницу амплитуд в его границах. Используя информацию об интервале верхней красной вилки и каротажных диаграммах (часть 5b), они смогли интерпретировать различные стадии заполнения долины вдоль всего канала ^[11].

Рисунок 5: На изображении выше показан срез спектрального компонента на частоте 36 Гц с a) без интерпретации, b) с интерпретированными стадиями заполнения впадин. После того, как Пейтон и др. (1999).

Интерпретация непрерывности канала

Более свежий пример — это Othman et al. 2016, в котором спектральная декомпозиция использовалась для картирования толщины пласта, изображения геологических разрывов и определения каналов в нефтяной провинции Western Desert Deep Marine в 110 км к северо-востоку от Александрии, Египет ^[6]. В данных амплитуды были обнаружены два канала (обозначенные красным и желтым), оба из которых падают на север и выклиниваются в боковом направлении.Красный канал был легко идентифицирован и прослеживался в данных амплитуды с двумя четкими внутренними неоднородностями (отмеченными на рисунках 6 и 7). Однако желтый канал был более тусклым и представлял трудности с отслеживанием отражателя. Поскольку было доказано, что спектральное разложение помогает в интерпретации каналов, был сделан выбор в пользу использования этого метода. Таким образом, объемы спектрального разложения были сгенерированы вокруг интерпретируемых горизонтов, а различные частотные объемы были интерпретированы. Для красного канала были выбраны частоты 5, 25 и 65 Гц, поскольку они выявили различные особенности каналов.На рисунке 7 показан результат смешивания RGB, выполненного с тремя разделенными частотными объемами. Изображение отображает большую часть канала с яркой окраской, что означает, что оно содержит все три частоты и соответствует самой толстой части канала. Две неоднородности, показанные на рис. 6 как низкие амплитуды, на рис. 7 видны как низкочастотные зоны (5 Гц) между областями со смешанными частотами. Это было интерпретировано как свидетельство того, что канал был подключен в этих регионах. Кроме того, там, где фарватер русла не был определен на картах амплитуды, его можно отчетливо увидеть на частоте 65 Гц в частотных данных (рисунок 7).Аналогичный процесс был выполнен и для Желтого канала, который выявил многоэтажный комплекс каналов.

Рисунок 6: Атрибут средней абсолютной амплитуды, извлеченный на верхнюю поверхность красного канала. Канал отчетливо виден, как правило, высокой средней абсолютной амплитудой. К изображению добавлены аннотации, чтобы подчеркнуть особенности канала. После Османа и др. (2016) Рисунок 7: Смешанное изображение спектральных частот 5 Гц, 25 Гц и 65 Гц, извлеченное на верхнюю поверхность Красного канала. После Османа и др.(2016)

Список литературы

^[12]
^[13]
^[14]

Внешние ссылки

http://www.subsurfwiki.org/wiki/Spectral_decomposition

https://ccrma.stanford.edu/~jos/sasp/Continuous_Wavelet_Transform.html

https://en.wikipedia.org/wiki/S_transform

https://en.wikipedia.org/wiki/Multidimensional_empirical_mode_decomposition

https: // www.tgs.com/products-services/processing/reservoir-services/spectral-attributes/seismic-voice-components

https://seg.org/Education/Lectures/Distinguished-Lectures/2005-DL-Partyka

↑ ^1,0 ^1,1 ^1,2 ^1,3 ^1,4 ^1,5 ^1,6 Chopra, S., & Marfurt, K. J. (2007). «Глава 6: Спектральная декомпозиция и вейвлет-преобразования» Сейсмические атрибуты для идентификации перспективных объектов и характеристики коллектора (Vol.ISBN 978-1-56080-141-2, ISBN 978-0-931830-41-9). DOI: https: //doi.org/10.1190/1.9781560801900
↑ ^2,0 ^2,1 Чопра, С., и Марфурт, К. Дж. (2015). Повышение интерпретируемости сейсмических данных с помощью фазовых компонентов спектрального разложения. Ридинг представлен на ежегодном собрании SEG в США, Новый Орлеан.
↑ Partyka, G., Gridley, J., & Lopez, J. (1999). Интерпретационные применения спектрального разложения в характеристике коллектора.Передний край, 18 (3), 353-360. DOI: 10.1190 / 1.1438295
↑ Tengfei Lin, Bo Zhang, Shiguang Guo, Kurt Marfurt, Zhonghong Wan и Yi Guo (2013) Спектральная декомпозиция данных временной и глубинной миграции. Расширенные тезисы технической программы SEG 2013: стр. 1384-1388. https://doi.org/10.1190/segam2013-1166.1
↑ Синха С., Раус П. С., Анно П. Д. и Кастанья Дж. П. (2005). Спектральная декомпозиция сейсмических данных с непрерывным вейвлет-преобразованием. Геофизика, 70 (6), 19-25.DOI: 10.1190 / 1.2127113
↑ ^6,0 ^6,1, А. А., Фати, М., & Махер, А. (2016). Использование метода спектрального разложения для определения границ каналов при открытии солнечного газа в прибрежной зоне дельты Западного Нила, Египет. Египетский журнал нефти, 25 (1), 45-51. DOI: 10.1016 / j.ejpe.2015.03.005
↑ Сапутро, Дж., Дж., Самудра, А. Б., Лестари, Э. П., С., Рамадан, А., и Хиросиади, Ю. (2016). Комбинированный анализ AVO и спектрального разложения для характеристики газового песчаного коллектора ниже заданной толщины.Proc. Индонезийский бензин. Assoc., 40th Ann. Конв. DOI: 10.29118 / ipa.0.16.136.g
↑ Чопра, С., & Марфурт, К. Дж. (2016). Спектральная декомпозиция и спектральная балансировка сейсмических данных. Передний край, 35 (2), 176-179. DOI: 10.1190 / tle35020176.1
↑ Чопра, С., & Марфурт, К. Дж. (2014). Взбалтывание сейсмических атрибутов с анализом главных компонент. Расширенные тезисы технической программы SEG, 2014 г. doi: 10.1190 / segam2014-0235.1
↑ Иоганн, П., Г. Рагигнин и М.Spinola, 2003, Спектральная декомпозиция выявляет скрытые геологические особенности на картах амплитуд глубоководного резервуара в бассейне Кампос: 73-е ежегодное международное совещание, SEG, Expanded Abstracts, 1740–1743.
↑ Пейтон, Л., Боттьер, Р., и Партика, Г. (1998). Интерпретация врезанных долин с использованием новых методов трехмерной сейсмики: история болезни с использованием спектральной декомпозиции и когерентности. Передний край, 17 (9), 1294-1298. DOI: 10.1190 / 1.1438127
↑ Whaley, J., 2017, Oil in the Heart of South America, https: // www.geoexpro.com/articles/2017/10/oil-in-the-heart-of-south-america], по состоянию на 15 ноября 2021 г.
↑ Винс, Ф., 1995, Фанерозойская тектоника и седиментация бассейна Чако, Парагвай. Его углеводородный потенциал: Geoconsultores, 2-27, по состоянию на 15 ноября 2021 г .; https://www.researchgate.net/publication/281348744_Phanerozoic_tectonics_and_sedimentation_in_the_Chaco_Basin_of_Paraguay_with_comments_on_hydrocarbon_potential
↑ Альфредо, Карлос и Клебш Кун. «Геологическая эволюция парагвайского Чако.»ТТУ DSpace Home. Техасский технический университет, 1 августа 1991 г. https://ttu-ir.tdl.org/handle/2346/9214?show=full.

Спектральное разложение — SEG Wiki

Спектральная декомпозиция или частотно-временной анализ (также частотно-временная декомпозиция) — это метод, используемый для облегчения интерпретации сейсмических данных.Спектральная декомпозиция может выполняться по множеству атрибутов (частота, угол падения, азимут…), хотя частота является наиболее распространенной. Это также может быть выполнено для данных, перенесенных по времени или по глубине, и приводит к настройке частот с единицами измерения в Гц и циклами / расстоянием, соответственно. Результатом спектрального разложения данных являются частотная и фазовая составляющие, первая из которых является прямой мерой относительной сейсмической амплитуды в полосе частот ^[1] ^[2].Основное использование атрибута — помощь в стратиграфической интерпретации за счет улучшения разрешения тонких пластов и отображения временной изменчивости толщин пластов. Это необходимо, потому что вейвлет часто охватывает несколько подповерхностных слоев, что приводит к сложному настроенному отражению, которое является результатом сверточной модели. По этой причине говорят, что спектральная декомпозиция удаляет наложенную вейвлет-печать из сейсмических данных ^[3]. Рисунок 1 слева — хорошее представление окончательного результата спектрального разложения (изменение толщины в стратиграфическом теле).Первая из двух дискретных частот — 30 Гц (зеленый), она освещает самую тонкую часть канала на карте. Красным цветом показаны 18 Гц и показаны более толстые части канала (тальвеги).

Методы

Методы спектрального разложения:

Кратковременное дискретное преобразование Фурье

S-преобразование или преобразование Стоквелла

Непрерывное вейвлет-преобразование

Сопоставление преследования и другие преобразования на основе словаря

Эмпирический режим
Decomposition Распределение Вилле

Синхронизирующее преобразование

Визуализация

Приложение

Выпуски

Примеры

Расшифровка заполнителя врезанной долины

Интерпретация непрерывности канала

Список литературы

^[12]
^[13]
^[14]

Внешние ссылки

http://www.subsurfwiki.org/wiki/Spectral_decomposition

https://ccrma.stanford.edu/~jos/sasp/Continuous_Wavelet_Transform.html

https://en.wikipedia.org/wiki/S_transform

https://en.wikipedia.org/wiki/Multidimensional_empirical_mode_decomposition

https: // www.tgs.com/products-services/processing/reservoir-services/spectral-attributes/seismic-voice-components

https://seg.org/Education/Lectures/Distinguished-Lectures/2005-DL-Partyka

↑ ^1,0 ^1,1 ^1,2 ^1,3 ^1,4 ^1,5 ^1,6 Chopra, S., & Marfurt, K. J. (2007). «Глава 6: Спектральная декомпозиция и вейвлет-преобразования» Сейсмические атрибуты для идентификации перспективных объектов и характеристики коллектора (Vol.ISBN 978-1-56080-141-2, ISBN 978-0-931830-41-9). DOI: https: //doi.org/10.1190/1.9781560801900
↑ ^2,0 ^2,1 Чопра, С., и Марфурт, К. Дж. (2015). Повышение интерпретируемости сейсмических данных с помощью фазовых компонентов спектрального разложения. Ридинг представлен на ежегодном собрании SEG в США, Новый Орлеан.
↑ Partyka, G., Gridley, J., & Lopez, J. (1999). Интерпретационные применения спектрального разложения в характеристике коллектора.Передний край, 18 (3), 353-360. DOI: 10.1190 / 1.1438295
↑ Tengfei Lin, Bo Zhang, Shiguang Guo, Kurt Marfurt, Zhonghong Wan и Yi Guo (2013) Спектральная декомпозиция данных временной и глубинной миграции. Расширенные тезисы технической программы SEG 2013: стр. 1384-1388. https://doi.org/10.1190/segam2013-1166.1
↑ Синха С., Раус П. С., Анно П. Д. и Кастанья Дж. П. (2005). Спектральная декомпозиция сейсмических данных с непрерывным вейвлет-преобразованием. Геофизика, 70 (6), 19-25.DOI: 10.1190 / 1.2127113
↑ ^6,0 ^6,1, А. А., Фати, М., & Махер, А. (2016). Использование метода спектрального разложения для определения границ каналов при открытии солнечного газа в прибрежной зоне дельты Западного Нила, Египет. Египетский журнал нефти, 25 (1), 45-51. DOI: 10.1016 / j.ejpe.2015.03.005
↑ Сапутро, Дж., Дж., Самудра, А. Б., Лестари, Э. П., С., Рамадан, А., и Хиросиади, Ю. (2016). Комбинированный анализ AVO и спектрального разложения для характеристики газового песчаного коллектора ниже заданной толщины.Proc. Индонезийский бензин. Assoc., 40th Ann. Конв. DOI: 10.29118 / ipa.0.16.136.g
↑ Чопра, С., & Марфурт, К. Дж. (2016). Спектральная декомпозиция и спектральная балансировка сейсмических данных. Передний край, 35 (2), 176-179. DOI: 10.1190 / tle35020176.1
↑ Чопра, С., & Марфурт, К. Дж. (2014). Взбалтывание сейсмических атрибутов с анализом главных компонент. Расширенные тезисы технической программы SEG, 2014 г. doi: 10.1190 / segam2014-0235.1
↑ Иоганн, П., Г. Рагигнин и М.Spinola, 2003, Спектральная декомпозиция выявляет скрытые геологические особенности на картах амплитуд глубоководного резервуара в бассейне Кампос: 73-е ежегодное международное совещание, SEG, Expanded Abstracts, 1740–1743.
↑ Пейтон, Л., Боттьер, Р., и Партика, Г. (1998). Интерпретация врезанных долин с использованием новых методов трехмерной сейсмики: история болезни с использованием спектральной декомпозиции и когерентности. Передний край, 17 (9), 1294-1298. DOI: 10.1190 / 1.1438127
↑ Whaley, J., 2017, Oil in the Heart of South America, https: // www.geoexpro.com/articles/2017/10/oil-in-the-heart-of-south-america], по состоянию на 15 ноября 2021 г.
↑ Винс, Ф., 1995, Фанерозойская тектоника и седиментация бассейна Чако, Парагвай. Его углеводородный потенциал: Geoconsultores, 2-27, по состоянию на 15 ноября 2021 г .; https://www.researchgate.net/publication/281348744_Phanerozoic_tectonics_and_sedimentation_in_the_Chaco_Basin_of_Paraguay_with_comments_on_hydrocarbon_potential
↑ Альфредо, Карлос и Клебш Кун. «Геологическая эволюция парагвайского Чако.»ТТУ DSpace Home. Техасский технический университет, 1 августа 1991 г. https://ttu-ir.tdl.org/handle/2346/9214?show=full.

Спектральное разложение — SEG Wiki

Спектральная декомпозиция или частотно-временной анализ (также частотно-временная декомпозиция) — это метод, используемый для облегчения интерпретации сейсмических данных.Спектральная декомпозиция может выполняться по множеству атрибутов (частота, угол падения, азимут…), хотя частота является наиболее распространенной. Это также может быть выполнено для данных, перенесенных по времени или по глубине, и приводит к настройке частот с единицами измерения в Гц и циклами / расстоянием, соответственно. Результатом спектрального разложения данных являются частотная и фазовая составляющие, первая из которых является прямой мерой относительной сейсмической амплитуды в полосе частот ^[1] ^[2].Основное использование атрибута — помощь в стратиграфической интерпретации за счет улучшения разрешения тонких пластов и отображения временной изменчивости толщин пластов. Это необходимо, потому что вейвлет часто охватывает несколько подповерхностных слоев, что приводит к сложному настроенному отражению, которое является результатом сверточной модели. По этой причине говорят, что спектральная декомпозиция удаляет наложенную вейвлет-печать из сейсмических данных ^[3]. Рисунок 1 слева — хорошее представление окончательного результата спектрального разложения (изменение толщины в стратиграфическом теле).Первая из двух дискретных частот — 30 Гц (зеленый), она освещает самую тонкую часть канала на карте. Красным цветом показаны 18 Гц и показаны более толстые части канала (тальвеги).

Методы

Методы спектрального разложения:

Кратковременное дискретное преобразование Фурье

S-преобразование или преобразование Стоквелла

Непрерывное вейвлет-преобразование

Сопоставление преследования и другие преобразования на основе словаря

Эмпирический режим
Decomposition Распределение Вилле

Синхронизирующее преобразование

Визуализация

Приложение

Выпуски

Примеры

Расшифровка заполнителя врезанной долины

Интерпретация непрерывности канала

Список литературы

^[12]
^[13]
^[14]

Внешние ссылки

http://www.subsurfwiki.org/wiki/Spectral_decomposition

https://ccrma.stanford.edu/~jos/sasp/Continuous_Wavelet_Transform.html

https://en.wikipedia.org/wiki/S_transform

https://en.wikipedia.org/wiki/Multidimensional_empirical_mode_decomposition

https: // www.tgs.com/products-services/processing/reservoir-services/spectral-attributes/seismic-voice-components

https://seg.org/Education/Lectures/Distinguished-Lectures/2005-DL-Partyka

↑ ^1,0 ^1,1 ^1,2 ^1,3 ^1,4 ^1,5 ^1,6 Chopra, S., & Marfurt, K. J. (2007). «Глава 6: Спектральная декомпозиция и вейвлет-преобразования» Сейсмические атрибуты для идентификации перспективных объектов и характеристики коллектора (Vol.ISBN 978-1-56080-141-2, ISBN 978-0-931830-41-9). DOI: https: //doi.org/10.1190/1.9781560801900
↑ ^2,0 ^2,1 Чопра, С., и Марфурт, К. Дж. (2015). Повышение интерпретируемости сейсмических данных с помощью фазовых компонентов спектрального разложения. Ридинг представлен на ежегодном собрании SEG в США, Новый Орлеан.
↑ Partyka, G., Gridley, J., & Lopez, J. (1999). Интерпретационные применения спектрального разложения в характеристике коллектора.Передний край, 18 (3), 353-360. DOI: 10.1190 / 1.1438295
↑ Tengfei Lin, Bo Zhang, Shiguang Guo, Kurt Marfurt, Zhonghong Wan и Yi Guo (2013) Спектральная декомпозиция данных временной и глубинной миграции. Расширенные тезисы технической программы SEG 2013: стр. 1384-1388. https://doi.org/10.1190/segam2013-1166.1
↑ Синха С., Раус П. С., Анно П. Д. и Кастанья Дж. П. (2005). Спектральная декомпозиция сейсмических данных с непрерывным вейвлет-преобразованием. Геофизика, 70 (6), 19-25.DOI: 10.1190 / 1.2127113
↑ ^6,0 ^6,1, А. А., Фати, М., & Махер, А. (2016). Использование метода спектрального разложения для определения границ каналов при открытии солнечного газа в прибрежной зоне дельты Западного Нила, Египет. Египетский журнал нефти, 25 (1), 45-51. DOI: 10.1016 / j.ejpe.2015.03.005
↑ Сапутро, Дж., Дж., Самудра, А. Б., Лестари, Э. П., С., Рамадан, А., и Хиросиади, Ю. (2016). Комбинированный анализ AVO и спектрального разложения для характеристики газового песчаного коллектора ниже заданной толщины.Proc. Индонезийский бензин. Assoc., 40th Ann. Конв. DOI: 10.29118 / ipa.0.16.136.g
↑ Чопра, С., & Марфурт, К. Дж. (2016). Спектральная декомпозиция и спектральная балансировка сейсмических данных. Передний край, 35 (2), 176-179. DOI: 10.1190 / tle35020176.1
↑ Чопра, С., & Марфурт, К. Дж. (2014). Взбалтывание сейсмических атрибутов с анализом главных компонент. Расширенные тезисы технической программы SEG, 2014 г. doi: 10.1190 / segam2014-0235.1
↑ Иоганн, П., Г. Рагигнин и М.Spinola, 2003, Спектральная декомпозиция выявляет скрытые геологические особенности на картах амплитуд глубоководного резервуара в бассейне Кампос: 73-е ежегодное международное совещание, SEG, Expanded Abstracts, 1740–1743.
↑ Пейтон, Л., Боттьер, Р., и Партика, Г. (1998). Интерпретация врезанных долин с использованием новых методов трехмерной сейсмики: история болезни с использованием спектральной декомпозиции и когерентности. Передний край, 17 (9), 1294-1298. DOI: 10.1190 / 1.1438127
↑ Whaley, J., 2017, Oil in the Heart of South America, https: // www.geoexpro.com/articles/2017/10/oil-in-the-heart-of-south-america], по состоянию на 15 ноября 2021 г.
↑ Винс, Ф., 1995, Фанерозойская тектоника и седиментация бассейна Чако, Парагвай. Его углеводородный потенциал: Geoconsultores, 2-27, по состоянию на 15 ноября 2021 г .; https://www.researchgate.net/publication/281348744_Phanerozoic_tectonics_and_sedimentation_in_the_Chaco_Basin_of_Paraguay_with_comments_on_hydrocarbon_potential
↑ Альфредо, Карлос и Клебш Кун. «Геологическая эволюция парагвайского Чако.»ТТУ DSpace Home. Техасский технический университет, 1 августа 1991 г. https://ttu-ir.tdl.org/handle/2346/9214?show=full.

Спектральное разложение — SEG Wiki

Спектральная декомпозиция или частотно-временной анализ (также частотно-временная декомпозиция) — это метод, используемый для облегчения интерпретации сейсмических данных.Спектральная декомпозиция может выполняться по множеству атрибутов (частота, угол падения, азимут…), хотя частота является наиболее распространенной. Это также может быть выполнено для данных, перенесенных по времени или по глубине, и приводит к настройке частот с единицами измерения в Гц и циклами / расстоянием, соответственно. Результатом спектрального разложения данных являются частотная и фазовая составляющие, первая из которых является прямой мерой относительной сейсмической амплитуды в полосе частот ^[1] ^[2].Основное использование атрибута — помощь в стратиграфической интерпретации за счет улучшения разрешения тонких пластов и отображения временной изменчивости толщин пластов. Это необходимо, потому что вейвлет часто охватывает несколько подповерхностных слоев, что приводит к сложному настроенному отражению, которое является результатом сверточной модели. По этой причине говорят, что спектральная декомпозиция удаляет наложенную вейвлет-печать из сейсмических данных ^[3]. Рисунок 1 слева — хорошее представление окончательного результата спектрального разложения (изменение толщины в стратиграфическом теле).Первая из двух дискретных частот — 30 Гц (зеленый), она освещает самую тонкую часть канала на карте. Красным цветом показаны 18 Гц и показаны более толстые части канала (тальвеги).

Методы

Методы спектрального разложения:

Кратковременное дискретное преобразование Фурье

S-преобразование или преобразование Стоквелла

Непрерывное вейвлет-преобразование

Сопоставление преследования и другие преобразования на основе словаря

Эмпирический режим
Decomposition Распределение Вилле

Синхронизирующее преобразование

Визуализация

Приложение

Выпуски

Примеры

Расшифровка заполнителя врезанной долины

Интерпретация непрерывности канала

Список литературы

^[12]
^[13]
^[14]

Внешние ссылки

http://www.subsurfwiki.org/wiki/Spectral_decomposition

https://ccrma.stanford.edu/~jos/sasp/Continuous_Wavelet_Transform.html

https://en.wikipedia.org/wiki/S_transform

https://en.wikipedia.org/wiki/Multidimensional_empirical_mode_decomposition

https: // www.tgs.com/products-services/processing/reservoir-services/spectral-attributes/seismic-voice-components

https://seg.org/Education/Lectures/Distinguished-Lectures/2005-DL-Partyka

↑ ^1,0 ^1,1 ^1,2 ^1,3 ^1,4 ^1,5 ^1,6 Chopra, S., & Marfurt, K. J. (2007). «Глава 6: Спектральная декомпозиция и вейвлет-преобразования» Сейсмические атрибуты для идентификации перспективных объектов и характеристики коллектора (Vol.ISBN 978-1-56080-141-2, ISBN 978-0-931830-41-9). DOI: https: //doi.org/10.1190/1.9781560801900
↑ ^2,0 ^2,1 Чопра, С., и Марфурт, К. Дж. (2015). Повышение интерпретируемости сейсмических данных с помощью фазовых компонентов спектрального разложения. Ридинг представлен на ежегодном собрании SEG в США, Новый Орлеан.
↑ Partyka, G., Gridley, J., & Lopez, J. (1999). Интерпретационные применения спектрального разложения в характеристике коллектора.Передний край, 18 (3), 353-360. DOI: 10.1190 / 1.1438295
↑ Tengfei Lin, Bo Zhang, Shiguang Guo, Kurt Marfurt, Zhonghong Wan и Yi Guo (2013) Спектральная декомпозиция данных временной и глубинной миграции. Расширенные тезисы технической программы SEG 2013: стр. 1384-1388. https://doi.org/10.1190/segam2013-1166.1
↑ Синха С., Раус П. С., Анно П. Д. и Кастанья Дж. П. (2005). Спектральная декомпозиция сейсмических данных с непрерывным вейвлет-преобразованием. Геофизика, 70 (6), 19-25.DOI: 10.1190 / 1.2127113
↑ ^6,0 ^6,1, А. А., Фати, М., & Махер, А. (2016). Использование метода спектрального разложения для определения границ каналов при открытии солнечного газа в прибрежной зоне дельты Западного Нила, Египет. Египетский журнал нефти, 25 (1), 45-51. DOI: 10.1016 / j.ejpe.2015.03.005
↑ Сапутро, Дж., Дж., Самудра, А. Б., Лестари, Э. П., С., Рамадан, А., и Хиросиади, Ю. (2016). Комбинированный анализ AVO и спектрального разложения для характеристики газового песчаного коллектора ниже заданной толщины.Proc. Индонезийский бензин. Assoc., 40th Ann. Конв. DOI: 10.29118 / ipa.0.16.136.g
↑ Чопра, С., & Марфурт, К. Дж. (2016). Спектральная декомпозиция и спектральная балансировка сейсмических данных. Передний край, 35 (2), 176-179. DOI: 10.1190 / tle35020176.1
↑ Чопра, С., & Марфурт, К. Дж. (2014). Взбалтывание сейсмических атрибутов с анализом главных компонент. Расширенные тезисы технической программы SEG, 2014 г. doi: 10.1190 / segam2014-0235.1
↑ Иоганн, П., Г. Рагигнин и М.Spinola, 2003, Спектральная декомпозиция выявляет скрытые геологические особенности на картах амплитуд глубоководного резервуара в бассейне Кампос: 73-е ежегодное международное совещание, SEG, Expanded Abstracts, 1740–1743.
↑ Пейтон, Л., Боттьер, Р., и Партика, Г. (1998). Интерпретация врезанных долин с использованием новых методов трехмерной сейсмики: история болезни с использованием спектральной декомпозиции и когерентности. Передний край, 17 (9), 1294-1298. DOI: 10.1190 / 1.1438127
↑ Whaley, J., 2017, Oil in the Heart of South America, https: // www.geoexpro.com/articles/2017/10/oil-in-the-heart-of-south-america], по состоянию на 15 ноября 2021 г.
↑ Винс, Ф., 1995, Фанерозойская тектоника и седиментация бассейна Чако, Парагвай. Его углеводородный потенциал: Geoconsultores, 2-27, по состоянию на 15 ноября 2021 г .; https://www.researchgate.net/publication/281348744_Phanerozoic_tectonics_and_sedimentation_in_the_Chaco_Basin_of_Paraguay_with_comments_on_hydrocarbon_potential
↑ Альфредо, Карлос и Клебш Кун. «Геологическая эволюция парагвайского Чако.»ТТУ DSpace Home. Техасский технический университет, 1 августа 1991 г. https://ttu-ir.tdl.org/handle/2346/9214?show=full.

Спектральное разложение — SEG Wiki

Спектральная декомпозиция или частотно-временной анализ (также частотно-временная декомпозиция) — это метод, используемый для облегчения интерпретации сейсмических данных.Спектральная декомпозиция может выполняться по множеству атрибутов (частота, угол падения, азимут…), хотя частота является наиболее распространенной. Это также может быть выполнено для данных, перенесенных по времени или по глубине, и приводит к настройке частот с единицами измерения в Гц и циклами / расстоянием, соответственно. Результатом спектрального разложения данных являются частотная и фазовая составляющие, первая из которых является прямой мерой относительной сейсмической амплитуды в полосе частот ^[1] ^[2].Основное использование атрибута — помощь в стратиграфической интерпретации за счет улучшения разрешения тонких пластов и отображения временной изменчивости толщин пластов. Это необходимо, потому что вейвлет часто охватывает несколько подповерхностных слоев, что приводит к сложному настроенному отражению, которое является результатом сверточной модели. По этой причине говорят, что спектральная декомпозиция удаляет наложенную вейвлет-печать из сейсмических данных ^[3]. Рисунок 1 слева — хорошее представление окончательного результата спектрального разложения (изменение толщины в стратиграфическом теле).Первая из двух дискретных частот — 30 Гц (зеленый), она освещает самую тонкую часть канала на карте. Красным цветом показаны 18 Гц и показаны более толстые части канала (тальвеги).

Методы

Методы спектрального разложения:

Кратковременное дискретное преобразование Фурье

S-преобразование или преобразование Стоквелла

Непрерывное вейвлет-преобразование

Сопоставление преследования и другие преобразования на основе словаря

Эмпирический режим
Decomposition Распределение Вилле

Синхронизирующее преобразование

Визуализация

Приложение

Выпуски

Примеры

Расшифровка заполнителя врезанной долины

Интерпретация непрерывности канала

Список литературы

^[12]
^[13]
^[14]

Внешние ссылки

http://www.subsurfwiki.org/wiki/Spectral_decomposition

https://ccrma.stanford.edu/~jos/sasp/Continuous_Wavelet_Transform.html

https://en.wikipedia.org/wiki/S_transform

https://en.wikipedia.org/wiki/Multidimensional_empirical_mode_decomposition

https: // www.tgs.com/products-services/processing/reservoir-services/spectral-attributes/seismic-voice-components

https://seg.org/Education/Lectures/Distinguished-Lectures/2005-DL-Partyka

↑ ^1,0 ^1,1 ^1,2 ^1,3 ^1,4 ^1,5 ^1,6 Chopra, S., & Marfurt, K. J. (2007). «Глава 6: Спектральная декомпозиция и вейвлет-преобразования» Сейсмические атрибуты для идентификации перспективных объектов и характеристики коллектора (Vol.ISBN 978-1-56080-141-2, ISBN 978-0-931830-41-9). DOI: https: //doi.org/10.1190/1.9781560801900
↑ ^2,0 ^2,1 Чопра, С., и Марфурт, К. Дж. (2015). Повышение интерпретируемости сейсмических данных с помощью фазовых компонентов спектрального разложения. Ридинг представлен на ежегодном собрании SEG в США, Новый Орлеан.
↑ Partyka, G., Gridley, J., & Lopez, J. (1999). Интерпретационные применения спектрального разложения в характеристике коллектора.Передний край, 18 (3), 353-360. DOI: 10.1190 / 1.1438295
↑ Tengfei Lin, Bo Zhang, Shiguang Guo, Kurt Marfurt, Zhonghong Wan и Yi Guo (2013) Спектральная декомпозиция данных временной и глубинной миграции. Расширенные тезисы технической программы SEG 2013: стр. 1384-1388. https://doi.org/10.1190/segam2013-1166.1
↑ Синха С., Раус П. С., Анно П. Д. и Кастанья Дж. П. (2005). Спектральная декомпозиция сейсмических данных с непрерывным вейвлет-преобразованием. Геофизика, 70 (6), 19-25.DOI: 10.1190 / 1.2127113
↑ ^6,0 ^6,1, А. А., Фати, М., & Махер, А. (2016). Использование метода спектрального разложения для определения границ каналов при открытии солнечного газа в прибрежной зоне дельты Западного Нила, Египет. Египетский журнал нефти, 25 (1), 45-51. DOI: 10.1016 / j.ejpe.2015.03.005
↑ Сапутро, Дж., Дж., Самудра, А. Б., Лестари, Э. П., С., Рамадан, А., и Хиросиади, Ю. (2016). Комбинированный анализ AVO и спектрального разложения для характеристики газового песчаного коллектора ниже заданной толщины.Proc. Индонезийский бензин. Assoc., 40th Ann. Конв. DOI: 10.29118 / ipa.0.16.136.g
↑ Чопра, С., & Марфурт, К. Дж. (2016). Спектральная декомпозиция и спектральная балансировка сейсмических данных. Передний край, 35 (2), 176-179. DOI: 10.1190 / tle35020176.1
↑ Чопра, С., & Марфурт, К. Дж. (2014). Взбалтывание сейсмических атрибутов с анализом главных компонент. Расширенные тезисы технической программы SEG, 2014 г. doi: 10.1190 / segam2014-0235.1
↑ Иоганн, П., Г. Рагигнин и М.Spinola, 2003, Спектральная декомпозиция выявляет скрытые геологические особенности на картах амплитуд глубоководного резервуара в бассейне Кампос: 73-е ежегодное международное совещание, SEG, Expanded Abstracts, 1740–1743.
↑ Пейтон, Л., Боттьер, Р., и Партика, Г. (1998). Интерпретация врезанных долин с использованием новых методов трехмерной сейсмики: история болезни с использованием спектральной декомпозиции и когерентности. Передний край, 17 (9), 1294-1298. DOI: 10.1190 / 1.1438127
↑ Whaley, J., 2017, Oil in the Heart of South America, https: // www.geoexpro.com/articles/2017/10/oil-in-the-heart-of-south-america], по состоянию на 15 ноября 2021 г.
↑ Винс, Ф., 1995, Фанерозойская тектоника и седиментация бассейна Чако, Парагвай. Его углеводородный потенциал: Geoconsultores, 2-27, по состоянию на 15 ноября 2021 г .; https://www.researchgate.net/publication/281348744_Phanerozoic_tectonics_and_sedimentation_in_the_Chaco_Basin_of_Paraguay_with_comments_on_hydrocarbon_potential
↑ Альфредо, Карлос и Клебш Кун. «Геологическая эволюция парагвайского Чако.»ТТУ DSpace Home. Техасский технический университет, 1 августа 1991 г. https://ttu-ir.tdl.org/handle/2346/9214?show=full.
Частотное разложение на 3 частоты: «Adobe Photoshop. Продвинутый уровень». Занятие 9.