موضوع پروژه : بررسي روشهاي كاهش نويز در تصاوير ديجيتالي مبحث ها 1)پردازش تصاویر 2)نویز در تصویر 3)کنتراست و هیستوگرام 4)نرم افزارهای OCR 5)هاف تن 6)برنامه نویسی برای کاهش نویز 7)#Image Processing Lab in C __________________ منبع : PCA:.IR
پاسخ : پردازش تصوير (كاهش نويز در تصاوير ديجيتالي) پردازش تصوير پردازش تصویر چیست ؟ به مجموعه عملیات و پردازش هایی که در راستای آنالیز تصویر در زمینه های مختلف انجام می شود، علم پردازش تصویر گفته می شود. پردازش تصویر می تواند کیفیت تصویر را کاهش یا افزایش دهد کاربردهای پردازش تصویر: الف) کاربردهای صنعتی مانند کنترل کیفیت بسته بندی دارو در یک شرکت داروسازی ب) کاربردهای امنیتی مانند تشخیص حرکت، تشخیص اثر انگشت، تشخیص چهره، تشخیص دست خط یا امضا ج) کاربردهای پزشکی مانند ارتقای ویژگی های تصاویر اشعه X ، تولید تصاویر MRI از مغز و یا تصاویر مربوط به CTScan د) کاربردهای نظامی مانند تشخیص و هدف یابی خودکار اهداف متحرک یا ثابت توسط موشک های هوا به زمین آشنایی با مفاهیم اولیه در پردازش تصویر الف) مفهوم پیکسل در پردازش تصویر: پیکسل (Pixel) که بر گرفته شده از Picture Elements است نقطه های بسیار ریز مربع شکلی هستند که از تجمع آنها، تصویر روی صفحه نمایش یا روی کاغذ توسط چاپگر شکل می گیرد. همان طور که بیت، کوچک ترین واحد اطلاعات قابل پردازش توسط کامپیوتر است، پیکسل نیز کوچک ترین عنصر سخت افزار و نرم افزار نمایشی یا چاپی است که برای شکل گرفتن تصاویر مورد استفاده قرار می گیرد. اگر برای هر پیکسل دو رنگ (معمولاً سیاه و سفید) در نظر گرفته شود، توسط یک بیت قابل کد دهی است و در صورتی که بیش از دو بیت برای ارائه یک پیکسل استفاده شود، محدوده رنگ ها یا سایه های خاکستری وسیع تری، قابل ارائه خواهد شد. ب) مفهوم عمق بیتی: مقدار هر پیکسل در یک یا چند بیت اطلاعات، ذخیره می شود. برای تصاویر سادۀ تک رنگ، یک بیت برای نشان دادن هر پیکسل کافیست اما در تصاویر رنگی و سایه های خاکستری، هر پیکسل نیاز به بیش از یک بیت اطلاعات دارد. هر چه از بیت های بیشتری برای نشان دادن یک پیکسل استفاده شود رنگ ها و سایه های خاکستری بیشتری را می توان نشان داد. غلظت نقاط یا همان Resolution وضوح تصویر را تعیین می کند. این ویژگی با واحد نقطه در اینچ (dpi) و یا با تعداد ردیف ها و ستون ها سنجیده می شود (مانند 480*640). ج) مفهوم بعد یک تصویر: تصویر های مبتنی بر نقشه بیتی، همواره به صورت شبکه های مربع شکل بزرگ می باشد. این شبکه ها مانند صفحۀ شطرنج یا موزاییک های کف آشپزخانه می باشد. این شبکه های مربع شکل بزرگ از مربع های کوچکتری تشکیل شده اند. یکی از مشخصه هایی که همواره می توان در مورد شبکه ها بیان نمود، این است که دارای ابعاد می باشند. صفحۀ شطرنج همواره 8*8 است، اما شبکۀ پیکسل های تشکیل دهندۀ صفحۀ نمایش کامپیوترمثلاً 800*600 است. ابعاد شبکه در واقع معادل تعداد مربع هایی است که طول و عرض تصویر را تشکیل داده اند و ربطی به اندازۀ واقعی تصویر ندارند. چگونگی تشکیل رنگ در چشم انسان: منحنی حساسیت چشم برای مشاهده کنندۀ استاندارد در مقابل دریافت نور رنگی به صورت شکل زیر می باشد در واقع جهت مشاهده ودرک هر رنگ، سه انرژی جداگانه مربوط به سه رنگ اصلی دریافت شده و از ترکیب آنها با یکدیگر رنگ تصویر ایجاد می شود. هر سیستم گیرنده، منحنی حساسیت رنگی مختص به خود را دارد لذا ترکیب سه انرژی رنگی (R(x,yانرژی رنگ قرمز، (G(x,y انرژی رنگ سبز و (B(x,y انرژی رنگ آبی باعث ایجاد رنگ می شود. بدین ترتیب جهت مشخص نمودن هر تصویر رنگی باید از سه ماتریس جهت مقادیر قرمز، سبز و آبی برای هر پیکسل استفاده کنیم. رنگ هر پیکسل توسط ترکیب سه رنگ اصلی در سه ماتریس داده شده به دست می آید. طیف رنگ ها را نسبت به طول موج می توان در شکل زیر مشاهده کرد:
پاسخ : پردازش تصوير (كاهش نويز در تصاوير ديجيتالي) پردازش تصاویر رنگی: استفاده از رنگ در پردازش تصاویر دو انگیزه اصلی دارد: دلیل اول تحلیل خودکار تصویر: رنگ، توصیف گر توانایی است که در اغلب موارد شناسایی و استخراج شئ از صحنه را ساده تر می کند. دلیل دوم در مواردی که تحلیل تصویر به وسیله انسان انجام می شود چشم انسان قادر است هزاران سایه و شدت رنگ را، در مقایسه با حدود 24 سایه خاکستری تشخیص دهد. پردازش تصویر رنگی در حوزۀ اصلی به دو دسته تقسیم می شود: پردازش تمام رنگی و شبه رنگی که در گروه اول تصاویر مورد نظر معمولاً با یک Sensor تمام رنگی نظیر دوربین تلویزیون رنگی با پیمایش گر رنگی (color scanner) برداشته می شود در گروه دوم به هر شدت تک رنگ خاص یا محدوده ای از شدت ها یک سایه رنگی منتسب می شود. انواع مدل رنگ: هدف از انتخاب مدل رنگ تسهیل مشخص سازی رنگ ها در یک استاندارد است که معمولاً روش مورد قبولی می باشد در اصل مدل رنگ تعیین یک سامانۀ مختصات سه بعدی و زیر فضای درون آن سامانه است که در آن سامانه هر رنگ تنها با یک پیکسل بیان می شود. بیشتر مدل های رنگی که اکنون استفاده می شوند به سمت سخت افزار (مانند مانیتور و چاپگرهای رنگی) یا کاربردهایی گرایش دارند که هدف آنها کار با رنگ است مانند تولید گرافیک های رنگی برای انیمیشن. عمومی ترین مدل های سخت افزار گرا عبارت اند از: مدل RGB (قرمز، سبز، آبی) برای نمایشگرهای رنگی و یک گروه وسیع از دوربین های رنگی، مدل CMY (آبی فیروزه ای، بنفش، زرد) برای چاپگرهای رنگی و مدل YIQ که یک استاندارد پخش تلویزیون رنگی است. در اين مدل Y متناظر با لومیناتوس است، I و Q دو مؤلفۀ رنگ هستند که به ترتیب هم فاز (Inphase) و متعامد (Quadrature) خوانده می شود. مدل HIS (اصل رنگ، اشباع، مقدار) از مدل هایی هستند که به طور مکرر برای کار با تصویر رنگی استفاده می شوند. مدل های رنگی YIQ , RGB و HIS متداول ترین مدل هایی هستند که برای پردازش تصویر استفاده می شوند. مدل رنگ RGB: این مدل برساس سامانه مختصات کارتزین است. زیر فضای رنگی مورد علاقه، مکعب تصویر زیر می باشد ، که درآن مقادیر RGB در سه گوشه، آبی فیروزه ای، بنفش، و زرد در سه گوشه دیگر، سیاه در مبدأ و سفید در دورترین گوشه از مبدأ قرار دارد. در این مدل محدوده خاکستری از سیاه تا سفید در طول خط واصل این دو نقطه قرار دارد و سایر رنگ ها نیز نقاطی در روی یا درون مکعب هستند، که با بردارهایی که از مبدأ می گذرد تعریف می شوند. برای تسهیل مدل،فرض بر این است که تمام مقادیر رنگ تراز شده اند طوری که مکعب تصویر زیر مکعب واحد باشد، یعنی فرض می شود که تمام مقادیر G , R و B در محدوده [1,0] قرار دارند هر تصویر در مدل رنگ RGB سه صفحه مستقل دارد که هر صفحه برای رنگ اولیه می باشد. وقتی این سه صفحه به نمایشگر RGB داده شوند، روی صفحه فسفری ترکیب می شوند تا یک تصویر رنگی از مدل RGB جهت پردازش تصویر معنا می یابد. همچنین اغلب دوربین های رنگی که برای تصویر برداری دیجیتالی به کار می روند از این قالب استفاده می کنند که این موضوع خود به تنهایی مدل RGB را مدل مهمی در مبحث پردازش تصویر می سازد. یکی از بهترین مثال های کاربرد مدل RGB پردازش داده های چند فریمی (frame) هوایی یا ماهواره ای است. مدل رنگ CMY: فیروزه ای، بنفش و زرد رنگ های ثانویه نوری یا رنگ های اولیه مادی هستند. برای مثال وقتی بر سطح پوشیده از ماده رنگی فیروزه ای، نور سفید تابیده می شود هیچ نور قرمزی از آن منعکس نمی شود یعنی فیروزه ای نور قرمز را از نور سفید تفریق می کند بیشتر وسایلی که مواد رنگی را بر روی کاغذ می نشانند، نظیر چاپگرها و کپی برداری های رنگی به داده های CMY نیاز دارند یا این که در داخل خود، داده های RGB را به CMY تبدیل می کنند که با رابطه زیر این عمل امکان پذیر می شود فرض بر این است که تمام مقادیر رنگی در محدوده [0,1] تراز شده اند مدل رنگ YIQ: این مدل درپخش عمومی تلویزیون رنگی تجارتی استفاده می شود. در واقع YIQ تغییر تصویر RGB به منظور افزایش بازده انتقال و حفظ سازگاری با استانداردهای تلویزیون تک رنگ می باشد. مولفۀ Y تمام اطلاعات ویدیوئی مورد نیاز تلویزیون تک رنگ می باشد تبدیل RGB به YIQ به صورت زیر تعریف می شود جهت به دست آوردن مقادیر RGB از مقادیر YIQ به عرض باند (یا در حالت دیجیتالی) بیشتری برای نمایش Y وعرض باند (یا بیت ها) کمتری برای نمایش I و Q نیاز دارد. مزیت اصلی مدل YIQ در پردازش تصویر ناشی از خاصیتی است که اطلاعات لومیناتوس (Y) و اطلاعات رنگی I و Q ناهمبسته (Decoupled) هستند. مدل رنگ HIS: اصل رنگ است، که رنگ خالص را توصیف می کند (زرد، نارنجی یا قرمز خالص) در حالی که اشباع میزانی که یک رنگ خالص با نور سفید ترقیق شده است، را می دهد. سودمندی مدل رنگ HIS مدیون دو عامل اصلی است: الف)مؤلفۀ شدت I از اطلاعات رنگ تصویر مجزا است. ب)مؤلفه های اصل رنگ و اشباع، رابطۀ نزدیکی با روش دریافت رنگ توسط انسان دارند. این ویژگی ها، مدل HIS را به ابزار ایده آلی برای تولید الگوریتم های پردازش تصویر که مبتنی بر بعضی خواص احساس رنگ سامانۀ بینایی انسان هستند، تبدیل می کند.
پاسخ : پردازش تصوير (كاهش نويز در تصاوير ديجيتالي) انواع پردازش تصوير: برای پردازش تصویر روش های مختلفی وجود دارد که 4 روش از آنها رو مورد برسي قرار ميدهيم Point Process (a پردازش نقطه ای (پیکسل به پیکسل) ارزش واقعی پیکسل ها را تغییر می دهد که در تصاویر زیر مشاهده می شود Area Process (b پردازش سطحی ارزش پایه و واقعی پیکسل و پیکسل های کنار آن پیکسل را تغییر می دهد که در تصاویر زیر مشاهده می شود Geometric Process (c پردازش هندسی مکان ها یا ترتیب پیکسل ها را تغییر می دهد که در تصاویر زیر مشاهده می شود تصویر پردازش شده به حالت کروی در آمده است Frame Process (d این روش پردازش تصویر با مخلوط (combine) کردن دو یا چند تصویر با یکدیگر تصویر جدیدی به وجود می آورد که در تصاویر زیر مشاهده می شود
پاسخ : پردازش تصوير (كاهش نويز در تصاوير ديجيتالي) Pixel Value: Pixel Value مقدار درخشندگی هر پیکسل را نشان می دهند. به عنوان مثال برای تصاویر دودوئی (Pixel Value (Binary imageیک بیت بوده که نشان دهنده پیش نما یا پس نما (0،1) است. برای یک عکس grayscale (خاکستری) Pixel Value یک عدد تک رقمی است که نشان دهنده درخشندگی یا رنگ هر پیکسل است. عمومی ترین Pixel Value برای تصاویر، تصاویر بایتی است که Pixel Value به 8 بیت می رسد که اعداد از 0 تا 255 تغییر می کنند 0 برای سیاه و 255 برای سفید و رنگ های دیگر را مابین این اعداد می توان به وجود آورد. جدول زیر برخی از Pixel Valueها را نشان می دهد اتصالات پیکسل ها در تصاویر: اتصال بین پیکسل ها مفهوم مهمی است که در تعیین مرز اشیا با اجزای نواحی تصاویر استفاده می شود. جهت تعیین اتصال بین دو پیکسل باید نوع همسایگی پیکسل ها مشخص گردد. به عنوان مثال، آیا همسایه ها چهار گانه هستند و آیا سطوح خاکستری آنها معیار شباهت مشخص شده ای را برآورده می کنند؟ برای مثال در تصاویر دودوئی با مقادیر صفر و یک ممکن است دو پیکسل، همسایه چهار گانه باشند اما متصل گفته نمی شوند مگر اینکه دارای مقادیر یکسانی باشند. اتصالات پیکسل ها، تعیین کنندۀ اتصال هر پیکسل با پیکسل مجاور و همچنین نوع اتصالات هر پیکسل می باشد. به تنظیمات گروهی پیکسل ها و اتصالات آنها در تصاویر دودوئی، Object یا Connected component گفته می شود. تعیین اتصالات پیکسل های تصویر لیست زیر شامل اتصالات تصاویر دو بعدی است لیست زیر شامل اتصالات تصاویر سه بعدی است
پاسخ : پردازش تصوير (كاهش نويز در تصاوير ديجيتالي) انواع تصویر الف)تصاویر Binary (دودوئی) این دسته از تصاویر تنها دارای دو ارزش مجزا می باشند، که شامل یک آرایۀ منطقی به صورت 0 با عنوان Off Pixel و آرایه منطقی دیگری به صورت 1 با عنوان On Pixel می باشد، که نحوۀ نمایش این دسته از تصاویر به صورت زیر می باشد: ب) تصاویر grayscale فرمت این دسته از تصاویر به صورت خاکستری است ج) تصاویر RGB فرمت این دسته از تصاویر به صورت رنگی است
پاسخ : پردازش تصوير (كاهش نويز در تصاوير ديجيتالي) نويز در تصوير مقدمه کاهش نویز تصویر با استفاده از میانگین گیری کاهش نویز با Neat Image نویز و اسکنر Image stack در Photoshop نویز در عکاسی دیجیتال پردازشگر تصویر دوربین دیجیتال سنسورهای تصویر CMOS میانگین گیری در Photoshop __________________
پاسخ : پردازش تصوير (كاهش نويز در تصاوير ديجيتالي) مقدمه نویزها باعث می شوند که سطح جزئیات ثبت شده درعکس دیجیتالی یا فیلمی کاهش یابد ، بنابراین کاهش دادن این نویزها سبب می شود که کیفیت عکس نهایی یا خروجی چاپی افزایش یابد. مشکلی که وجود دارد اینست که تکنیک های رایج برای کاهش یا حذف نویز تصاویر به همان اندازه منجر به سافت شدن تصویر می شود. سافت شدن تصویر در عکس هایی که از موضوعاتی مانند آسمان یا سطح آب گرفته شده اند مشکل چندانی ایجاد نمی کند اما مثلا در تصویر یک منظره از درختان حتی تلاش های محتاطانه برای کاهش نویز موجب صدمه دیدن جزئیات شاخ و برگهای درختان موجود در عکس می شود. نویزها در عکاسی دیجیتال و اسکن انواعی دارند که دوتای آنها از بقیه شایعتر هستند: Random Noise و Fixed Pattern Noise . نویزهای اتفاقی غالبا در ایزوهای بالا دیده می شوند و همانگونه که از اسم شان مشخص است، محل ثابتی ندارند. یعنی اگر دو یا چند عکس با شرائط یکسان و با ایزو بالا تهیه شود، محل نویزها در عکس ها مختلف متفاوت است. اما نویزهای ثابت غالباً در نوردهی های طولانی و موارد دیگری که با گرم شدن سنسور همراه است، دیده می شوند. حذف نویزهای ثابت راحت تر است چون محل آنها ثابت است و اگر یک فریم سیاه ( با بستن درپوش لنز) بگیریم و تفاضل آن را با عکس اصلی تهیه کنیم، نویزها حذف خواهند شد. کاری که برخی دوربین ها به طور خودکار نیز انجام می دهند. اما چالش اصلی در حذف نویزهای اتفاقی است؛ چه در دوربین، اسکنر و چه در نرمافزار. غالباً این روش ها منجر به کاهش جزئیات عکس و یا ایجاد آثارجانبی، بخصوص در لبههای اجسام میگردند. در واقع کاربر باید بین این مشکلات و نویز، تعادلی برقرار نماید و تصویر نهایی، حاصل این تصمیم کاربر خواهد بود.
پاسخ : پردازش تصوير (كاهش نويز در تصاوير ديجيتالي) کاهش نویز در تصاویر با استفاده از روش میانگین گیریدر این روش بر این فرض کار می کنیم که محل قرارگیری نویزها در عکس شما کاملاً به صورت تصادفی است . لذا نوسانات تصادفی که در بالا و پایین اطلاعات اصلی عکس شما ایجاد شده و باعث ایجاد نویز شده اند با میانگین گیری و ترکیب چند عکس رو به کاهش نهاده و به تدریج هر چه تعداد عکس بیشتری را ترکیب کنیم به سطح واقعی خود نزدیک تر شده وبالانس می شوند. اگر با تنظیمات یکسان و تحت شرایط محیطی یکسان (مانند میزان نور و فشار هوا) دوعکس از یک سطح صاف خاکستری رنگ گرفته شود عکس هایی مشابه با آنچه در سمت چپ تصویر زیر مشاهده می شود به دست خواهد آمد. نمودار بالا میزان نوسانات نور را در یک بخش منطبق، روی دو عکس که در عکس بالا با یک خط آبی و در عکس پایین با یک خط قرمز روی عکس ها مشخص شده است را نمایش می دهد . خط چین افقی در نمودار، نمایشگر میانگین یا حالت نمودار در صورتی است که عکس ها بدون نویز باشند. در نظر داشته باشید که چگونه هر کدام از خطوط آبی و قرمز که نمایشگر میزان نوسانات نوری در دو عکس می باشند دارای نوسانات یکسانی در بالا و پایین خط چین هستند. حال اگر ما مختصات هر نقطه را معادل با پیکسل های منطبق بر روی هر عکس در روی خطوط آبی و قرمز محاسبه کنیم ومیانگین آنها را محاسبه کرده و آن را روی این نمودار رسم کنیم خواهیم دید که میزان نوسانات درخط نمایشگر میانگین آبی و قرمز (خط سبز) به صورت زیر کاهش پیدا خواهد کرد : با وجود اینکه خط سبز همچنان دارای نوسان هایی در بالا و پایین خط چین می باشد اما میزان حداکثر انحراف آن به مقدار زیادی کاهش یافته است. میزان تاثیر این کار را در روی عکس می توانید در تصاویر سمت چپ نمودار بالا مشاهده کنید. میانگین گیری از دو عکس، میزان نویز عکس نتیجه را به میزان نویز یک عکس که با تنظمیمات ایزویی برابر با نصف ایزوی عکس های مورد استفاده در میانگین گیری، گرفته شده است کاهش می دهد. مثلا اگر عکس های مورد استفاده در میانگین گیری با ایزوی 400 گرفته شده باشند عکس حاصل از میانگین گیری از لحاظ مقدار نویز با عکسی که با ایزوی 200 گرفته شده است قابل مقایسه می باشد. نویزها در واقع نوساناتی در خروجی لومینسانس در هر پیکسل هستند و میشود حدس زد که این نوسانات در نویزهای اتفاقی بر هم منطبق نخواهند بود. پس میتوان با متوسط گیری از این نوسانات، آنها را با یکدیگر خنثی و حذف نمود. نتیجه این متوسط گیری، فقط حذف نویزها است و بر اطلاعات اصلی تاثیری نخواهد داشت چرا که محل آنها ثابت است.میزان حذف نویزها بستگی به تعداد عکس ها نیز دارد. شدت کاهش نویز متناسب است با عکس جذر تعداد عکس. اگر تعداد عکسها 4 تا باشند، نویز تقریبا نصف میشود و اگر 16 عکس داشته باشید، نویز یک چهارم خواهد شد. البته متوسط گیری بر روی سایر انواع نویزها تاثیری ندارد و نمیتواند نویزهای ثابت یا hot pixel ها را کاهش دهد. قبلا برای متوسط گیری، بایستی چند عکس با شرائط یکسان و کاملا منطبق بر هم تهیه میشد و سپس به صورت چند لایه در یک فایل قرار میگرفت. بعد با تغییرات تدریجی در opacity لایهها، متوسط گیری حاصل میشد. در مثال زیر میزان تاثیر میانگین گیری را برای کاهش نویز تصویر می بینیم دیده می شود که چگونه میانگین گیری سبب شده است که هم نویز کاهش پیدا کند و هم اینکه جزئیات بیشتری در هر بخش به چشم بیاید.
پاسخ : پردازش تصوير (كاهش نويز در تصاوير ديجيتالي) کاهش نویز با Neat Image برنامه های کاهش نویز مانند Neat Image بهترین ابزار های آماده موجود برای کاهش نویز هستند لذا در مقایسه بعدی از آن به عنوان معیار استفاده می کنیم: همانطور که دیده می شود Neat Image بهترین عملکرد را در کاهش نویز در بخش آسمان صاف داشته است اما در دو بخش دیگراستفاده از آن باعث از بین رفتن جزئیات ریز در شاخه های درخت و خطوط بند کشی آجرهای دیوار شده است. شارپ کردن عکس می تواند باقیمانده جزئیات عکس را ارتقا دهد و دربهبود شفافیت عکس و نمایش کلی آن عملکرد تاثیر گذاری داشته باشد اما نمی تواند جزئیات از دست رفته را باز گرداند. Median Filter نیز یک تکنیک ابتدایی است که در اکثر نسخه های فتوشاپ موجود است. طرز کار این ***** به این صورت است که حجم هر پیکسل را با محاسبه میانگین حجم پیکسل های همسایه آن محاسبه و اعمال می کند. این ***** برای رفع نویز های خیلی ریز مناسب است اما موجب ایجاد نوسانات بیشتری در عکس می شود و جزئیات در سطح پیکسل ها را نابود می کند . بهر حال استفاده از Neat Image بهترین راه حل برای عکس هایی است که نمی توان روی آنها روش میانگین گیری را اجرا کرد. اما برای کسب بهترین نتیجه می توان دو تکنیک را به این صورت استفاده کرد : استفاده از تکنیک میانگین گیری برای افزایش SNR عکس تا آنجا که ممکن است و سپس استفاده از Neat Image برای کاهش نویز های باقیمانده : دیده می شود که چگونه استفاده از تکنیک میانگین گیری همراه با Neat Image باعث شده است که علاوه بر ارتقای نمایش جزئیات در قسمت دیوار آجری، شفافیت آن آسیب ندیده و حفظ شود و نویزها نیز کمتر به چشم بیایند . معایب تکنیک میانگین گیری هم افزایش حجم فایل عکس و طولانی تر شدن زمان عکسبرداری است ( زیرا باید چندین عکس یکسان ازیک سوژه گرفته شود) . در ضمن این تکنیک برای عکس هایی که دارای banding noise یا fixed pattern noise هستند کاربردی ندارد،اگر دقت کنید می بینید که پیکسل براق سفیدی که در سمت چپ پایین عکس وجود دارد در اثر میانگین گیری از بین نرفته است برای تهیه عکسهای مورد نیاز برای میانگین گیری ، دوربین چه در حین زمان نوردهی برای گرفتن عکس و چه در زمان بین گرفتن یک عکس تا عکس بعدی ، نباید کوچکترین حرکتی داشته باشد و عکس های تهیه شده از سوژه باید دقیقا یکسان و منطبق بر هم باشند.
