Die Zukunft der digitalen Photographie

Prof. Sabine Süsstrunk, Ecole Polytechnique Fédérale de Lausanne

Was ist eigentlich Photographie? Eine Forschungsrichtung? Eine Wissenschaft? Eine Technik? Eine Kunst? Prof. Sabine Süsstrunk, Leiterin der Arbeitsgruppe Images and Visual Representation der Technischen Universität Lausanne nutzte diese Frage um zu zeigen, welche technisch-kulturellen Aspekte die Photographie beinhaltet, um sich selbst dann auf die technisch-wissenschaftlichen zu konzentrieren.

Obwohl der CCD schon 1969 von Boyle und Smith erfunden worden war, war die Photographie bis Ende des 20ten Jahrhunderts vor allem filmbasiert. Erst um die Jahrtausendwende gewann die digitale Fotografie die Oberhand, dann jedoch mit einer solchen Dynamik, dass die analoge Fotografie heute nur noch eine Nischenanwendung darstellt. Nicht nur das. Inzwischen stellen nicht dedizierte Photokameras, sondern Mobiltelefone das weitverbreitetste Aufnahmemittel dar. 1.21 Milliarden Handys sind, schätzungsweise, 2009 im Betrieb gewesen. Zwei Drittel davon ausgestattet mit Photofunktion. Die Zahl der derzeit im Betrieb befindlichen Photohandys übersteigt somit die Zahl aller jemals in Summe produzierten analogen und digitalen Kameras, so zitierte Süsstrunk Lyra Research Report. Sie ging leider nicht der Frage nach, was diese zahlenmäßige Marginalisierung dedizierter Kameras für die Photographie bedeutet.

Die Diskussionen, die zu Beginn des Umbruchs dominierten – Stichworte: Auflösung und Qualität des gedruckten Bildes – haben sich inzwischen weitgehend verflüchtigt. Junge und nicht mehr ganz so junge Menschen, die heute digitale Bilder produzieren und nutzen, drucken diese meist nicht mehr aus, sondern kommunizieren fast ausschließlich per Display. Dabei wird eine relativ geringe Auflösung benötigt.

Die Referentin konzentrierte sich im Hauptteil ihres Vortags auf Technologien, die ihrer Einschätzung nach in der Zukunft eine Rolle spielen werden. Der Computational Photography kommt dabei zentrale Bedeutung zu, denn digitale Bilder sind ohne Rechenkapazitäten nicht möglich. Schon heute verwenden viele Kameras eingebaute Algorithmen zur Bildoptimierung, die über das reine Erzeugen eines Bildes hinausgehen. 2002 tauchten die ersten Kameras auf, die den lästigen Rote-Augen-Effekt herausrechneten, der auftaucht, wenn das Blitzlicht direkt eingesetzt wird und nahe des Kameraobjektivs montiert ist.

Das Verarbeiten mehrerer Bilder zu einem Endresultat löst verschiedene Probleme. Beispielsweise können Panoramabilder zusammengesetzt werden, oder aus einer Belichtungsreihe wird ein High Dynamic Range Image (HDRI) erzeugt, das einen hohen Dynamikumfang abdeckt. Es ist auch denkbar, dass aus verschiedenen Bildern einer Personengruppe ein Bild erzeugt wird, in dem nur die Gesichter verwendet werden, die „gut aussehen“. Natürlich sind all diese Methoden schon heute offline verfügbar. Je leitungsfähiger jedoch die in den Kameras eingesetzten Prozessoren werden, desto mehr davon wird sich in den Kameras selbst wiederfinden.

Neben den Verfahren, die schon heute mit Programmen wie Photoshop nachträglich angewendet werden können, sind gänzlich neue Methoden besonders spannend. Beispielsweise die Plenoptic Camera, die ein vor dem Sensor angebrachtes Mikrolinsen-Array verwendet, das erlaubt die Lage der Schärfenebene nachträglich bestimmen zu können. Durch Analyse der Lichtverteilungen in einem Bild kann nachträglich ebenfalls die räumliche Verteilung geschätzt werden, um nachträglich Schärfe-/Unschärfebereiche zu verteilen.

Vielversprechend ist die Idee der Gigavision Camera, die sich vom klassischen Silberhalogenid-Schwarzweissfilm ableitet. Nach der Entwicklung eines Schwarzweissfilms wird das Bild durch schwarzes Bildsilber aufgebaut. Grauwerte werden bekanntlich nicht durch graue Bildkristalle erzeugt, sondern durch unterschiedlich hohe Konzentrationen rein schwarzer Bildkörner. Im Gegensatz dazu liefert ein Sensorpixel Grauwerte. Ein großer Unterschied zwischen Sensor und Film besteht darin, dass das Signal eines Sensors nicht wie die Schwärzung eines Films einer logarithmischen Gradationskurve folgt, sondern ab einer gewissen Helligkeit nur noch den Wert „Weiß“ liefert. Dahingegen können auch aus sehr dichten Negativen noch Informationen herausgeholt werden. Die Idee der Gigavision Camera ist nun, die Sensorpixel als sehr kleine, digitale Silberkristallen aufzufassen und sie nur binäre Werte liefern zu lassen: Weiß oder Schwarz. Um Grauwerte zu erhalten, muss ein Sensor sehr viele binäre Pixel aufweisen, was durch Verkleinerung auf weniger als 200 Nanometer erreicht wird. Handelsübliche Sensoren haben derzeit Pixeldurchmesser von etwa 1,25 Mikrometer und darüber.

Da die Gigavision Camera praktisch kein Sättigungsverhalten zeigt, werden mit ihr konstruktionsbedingt Einzelbild-HDR-Bilder möglich. Belichtungsreihen, wie sie heute mit Standardkameras zum Einsatz kommen, sind nicht mehr nötig. Das ist  insbesondere bei der Abbildung sich bewegender Motive ein großer Vorteil.

Abschließend beschrieb die Referentin Versuche, die vorhandene Empfindlichkeit von Silizium für lange Wellenlängen bis hinein ins nahe Infrarot (NIR), bildnerisch zu verwenden. Die NIR-Empfindlichkeit wird jedoch in vielen Kameras durch Verwendung von Sperrfiltern aktiv unterdrückt. Da NIR sowohl in der Landschaftsphotographie Dunst besser durchdringt, als sichtbares Licht, als auch bei Porträts Hautunreinheiten eher dezent darstellt, kann eine Verwendung von NIR-Informationen nicht nur in Spezialfällen bildnerische Vorteile bringen. Ein von Sabine Süsstrunks Arbeitsgruppe am Camera Museum in Vevey durchgeführter Publikumsversuch ergab erste Resultate. Besucher des Museums wurden porträtiert, einmal unter Verwendung von NIR-Signalen, einmal ohne. 79% Prozent der Porträtierten zogen das „geschönte“ NIR-Porträt der naturalistischen Darstellung vor. Dies zeigt, dass die Technik in dem gewünschten Sinne funktioniert. Andererseits ist das Ergebnis auch nicht wirklich überraschend, denn ein Großteil der Porträtphotographie besteht aus Beleuchtungstechniken und dem Einsatz von Makeup, um die Abgebildeten so darzustellen, wie sie sein wollen, nicht so, wie sie sind. Um es mit Cindy Crawford zu sagen: "Viele Frauen träumen davon, so auszusehen wie wir. Was sie nicht wissen: wir sehen auch nicht so aus!"