vbc-studio教程合集vcb16repair的用法與contra sharp

1、VCB-Studio16Repair 的用法與 Contra-Sharp本旨在講述 Repair 的用法和簡(jiǎn)單擴(kuò)展。1. Repair 的原理Repair 是根據(jù) RemoveGrain 改變而來的，用法是 Repair(filtered, source, mode=1)。RemoveGrain 總體的做法可以總結(jié)為：把中心像素，跟周邊 8 個(gè)像素比較，讓中心像素不要過高或者過低。比如說 RemoveGrain(src, mode=1)，保證輸出的每個(gè)像素，范圍不超過其周邊 8 個(gè)像素中最小值和最大值。Repair 的用法很類似，但是表現(xiàn)為，把flt 的每個(gè)像素，跟 src 中對(duì)應(yīng)部分的 9

2、個(gè)像素比較，讓flt 中的像素不要過高或者過低。flt 通常為經(jīng)過某種處理，可能引入突兀瑕疵的 clip，而 src 是源。比如說默認(rèn)的 Repair(flt,src,1)，會(huì)講 flt 的每一個(gè)像素，跟 src 對(duì)應(yīng)位置 3x3 像素比較。如果 flt 不超過src 中 9 個(gè)像素的最大值或者最小值，那么不做處理，否則，會(huì)把flt 的像素，替換為 9 個(gè)數(shù)中最大值或者最小值（取決于哪個(gè)更接近）。比如說 9 個(gè)數(shù)最小值是 28，最大值是 176，那么flt 像素小于 28 的時(shí)候，會(huì)被改為 28；在 28-176之間則不變，大于 176 則會(huì)被改為 176。這是一種限制機(jī)制，保證 flt 的畫

3、面，跟 src 相比，不能太(跟源的領(lǐng)域比，出現(xiàn)過高或者過低的值)。所以 Repair通常作為一種保護(hù)機(jī)制，任何可能引入突兀瑕疵的操作，可以用 Repair 做限制。拓展開，Repair(flt, src, mode=k)，k=1/2/3/4 的作用是flt 的每一個(gè)像素，跟 src 對(duì)應(yīng)位置 3x3 的比較，如果flt不超過第k 大或者第k 小的，那么保留；否則替換為第 k 大或者第k 小的。k 越大，越可能被限制，限制力度更高。那么如果flt=src，執(zhí)行 Repair(flt,src,k)會(huì)怎樣？不失一般性，不妨假設(shè)中心像素是偏大的。執(zhí)行 Repair(flt,src,1)是沒有意義的；

4、因?yàn)檫@時(shí)候 flt=src, flt 的每個(gè)像素，等于 src 的 3x3 中的中心像素。flt 的任何像素為過大或者過?。凰越Y(jié)果就是 flt/src。不會(huì)被判定如果src 的中心像素，在 3x3 的鄰域內(nèi)正好是第 k 大，那么不做調(diào)整，這時(shí)候比它大的有 k-1 個(gè)，這k-1 個(gè)一定都在周邊 8 個(gè)數(shù)字中，相當(dāng)于中心像素不超過周邊 8 個(gè)像素中第 k-1 大的；如果src 的中心像素，在 3x3 的鄰域內(nèi)是 1k-1 大，那么需要調(diào)整到包括它自己在內(nèi)，第 k 大的，或者說是周邊 8個(gè)像素中k-1 大的，相當(dāng)于中心像素被強(qiáng)制限制為周邊 8 個(gè)像素中k-1 大的。這不偏不倚就是 RemoveGr

5、ain(src,k-1)。mode=k=1.4 的時(shí)候，flt 中心像素被限制在 kth-Min 和 kth-Max 之間。如果mode=10+k=11.14，邏輯是 flt的中心像素被限制在 MIN(kth-Min, src 的中心像素)和 MAX(kth-MAX, src 的中心像間。來分析下：如果 k=1，MIN(1st-Min, src 的中心像素)= 1st-MRepair(mode=11)和 Repair(mode=1)是沒有區(qū)別的；AX(1th-MAX, src 的中心像素)= 1th-MAX，所以如果 k=2，MIN(2st-Min, src 的中心像素)就不一定等于 2st-

6、Min 了。有可能 src 的中心像素就是 9 個(gè)像素中最小的，這時(shí)候，Repair(mode=12)和 Repair(mode=2)相比，上下限有可能更寬，當(dāng)且僅當(dāng) src 的中心像素是最大/最小值。所以 k=2/3/4 的時(shí)候，如果src 的中心像素本身很大或者很小，Repair(mode=10+k)比起 Repair(mode=k)的限制力度是更弱的。2. Repair 的常見用法Repair 被廣泛用在可能引入突兀瑕疵的地方，比如說時(shí)域降噪，可能引入 blending，把前后幀的信息加入本幀。這時(shí)候就可以用 Repair 來處理：nr = src.MCTD()Repair(nr, sr

7、c, 2)類似 GSMC 等時(shí)域降噪濾鏡中，就有自帶 Repair 的步驟。又比如，SangNom 做AA/De這種瑕疵的強(qiáng)度：很可能引入瑕疵（左 vs 中），這時(shí)候通過 Repair(aa, src, 3)則可以很好的限制TAA 的后處理中也有用 Repair 來修復(fù)瑕疵的做法。3. Moderate Sharpening之前咱們說了Unsharp Mask 用來銳化：這副效果有點(diǎn)太過分了。這時(shí)候就可以考慮用Repair(sharped, src, 1)來試著限制一下：雖然不至于完全把瑕疵干凈，但是比起不帶限制，ringing 應(yīng)該基本全部去掉了；只剩下 aliasing 比較明顯。這就是

8、RemoveGrain 的doc 中說的 Moderate Sharpening，雖然還是很簡(jiǎn)單了一個(gè)思路。效果有待提高，但是起碼提供4. RGDering上文中，從一個(gè)有 ringing 圖像(sharp)，和一個(gè)沒有 ringing，但是清晰度低的圖像(src)，運(yùn)算出一個(gè)銳利度高但是沒有 ringing 的圖像(moderate sharpening)寫成函數(shù)就是：mdrt_sharp = dering(sharp,src)如果把第一個(gè)輸入換成src，第二個(gè)輸入換成src.blur 呢？blur = src.Minblur(r=1)Repair(src, blur, mode=1)這就是

9、 dering 的基本：RGDering。它是 removegrain 的 doc 里自帶的。注意它的用法是把 src 放在第一位，blur 放在第二位。用于一個(gè)強(qiáng)ringing 的圖像（左）效果如下（右）：效果還是很明顯，雖然伴隨著部分的線條虛化和residual ringing 還是的多了。，不過這比直接轟 blur 破壞力小這也解釋了為啥之前 Resizer(1)中的 non-ringing resizer 用法：upscaled=core.fmtc.resle(src720p, 1920, 1080, kernel=lanczos,taps=4)upscaled=core.rgvs.R

10、epair(upscaled, core.fmtc.resle(src720p, 1920, 1080, kernel=gauss,a1=100),1)本質(zhì)上是用 GaussResize 做一個(gè)理論上不會(huì)出 ringing 的 clip，然后用 Repair 去做一個(gè) RGDering。在實(shí)際使用中，可以通過調(diào)節(jié)a1(p)的值，這個(gè)值越小，GaussResize 出來的結(jié)果越柔和，dering 的強(qiáng)度越高。5. Contra-Sharp/補(bǔ)償性銳化contrasharp 是很常用的彌補(bǔ)，常常用于AA/deband/降噪/dering 等柔化處理后，來補(bǔ)償畫面的銳度，強(qiáng)化被削弱的細(xì)節(jié)。比如下圖是

11、用 Bilateral 降噪的結(jié)果(core.bilateral.Bilateral(src16, sigmaS=1.5,sigmaR=0.015,algorithm=2)：確實(shí)很有效的去掉了噪點(diǎn)，但是畫面也被一定程度的柔化，一些弱線條（比如頭發(fā)）損失較大。的畫面做一個(gè) unsharpmask(11):考慮對(duì)降噪后嗯雖然畫面銳利度回來了，柔化的線條救回來不少，但是，太銳利了，已經(jīng)出現(xiàn)了過度銳化的痕跡。銳化后的銳利度不要超過源，該怎么辦呢？想讓一個(gè)想法是，銳化的強(qiáng)度 diff，不要超過 src-nr 的值，也就是降噪所損失的強(qiáng)度。即對(duì)于任何像素(無視符號(hào)正負(fù))：diff = src-nr上述可以

12、用表達(dá)式求值實(shí)現(xiàn)；也可以近似用 Repair 實(shí)現(xiàn)：diff = src-nr = src-nr 的 3x3 像素中最大值。即，原圖是ABC DEF GHI降噪后是abc def ghi希望中心像素的銳化強(qiáng)度，= E-e這樣銳化后的值 = e+E-e = E考慮一個(gè)放大的近似，中心像素銳化強(qiáng)度=max(A-a, B-b, I-i)怎么實(shí)現(xiàn)呢?如下nr16 = core.bilateral.Bilateral(src16, sigmaS=1.5,sigmaR=0.015, algorithm=2)noise = core.std.MakeDiff(src16,nr16) blur = core.

13、rgvs.RemoveGrain(nr16, 11) diff = core.std.MakeDiff(nr16,blur)diff = core.rgvs.Repair(diff,noise,1)res = core.std.MergeDiff(nr16,diff)結(jié)果如下：效果就比之前的好不少了。Contra-Sharp 被廣泛用在不同場(chǎng)合，來對(duì)處理后的，相對(duì)做一個(gè)補(bǔ)償性銳化。以上就是它最簡(jiǎn)單的實(shí)現(xiàn)方式；這個(gè)實(shí)現(xiàn)方式并非嚴(yán)格的保證銳化程度不超過源，而是用了一個(gè)近似，允許一定程度放大銳化強(qiáng)度（原則上銳化強(qiáng)度不超過自身損失，現(xiàn)在是允許不超過周邊 3x3 像素的損失，即 locally rest

14、ricted 而非 pixel-wise restricted），這在目視效果上一般是很討喜的。不過如上實(shí)現(xiàn)可能存在是：當(dāng) 9 個(gè)像素的損失，全部大于銳化強(qiáng)度的時(shí)候，銳化強(qiáng)度會(huì)被放大到它們當(dāng)中的最小者。等于說這時(shí)候銳化強(qiáng)度會(huì)被放大。這個(gè)問題的解決方案是：diff = nr-nr.blur()sharpdiff = Repair(diff,noise,1)sharpdiff = min(sharpdiff, diff) #保證repair 后的強(qiáng)度，不超過原來打算做銳化的強(qiáng)度 return nr+sharpdiff這點(diǎn)會(huì)在表達(dá)式求值中繼續(xù)說。有另一種寫法是這么寫的：diff = nr-nr.blur()sharp = nr+diffreturn Repair(sharp,src,1) #相當(dāng)于基于 nr，用 src 做限制，做一個(gè) Moderate Sharpenin