spektrafilm 胶片颗粒模拟原理:随机粒子模型如何生成肉眼可见的染料云
spektrafilm 胶片颗粒模拟原理:随机粒子模型如何生成肉眼可见的染料云
spektrafilm 是一个基于光谱数据的模拟胶片摄影流程的开源项目,它将 RAW 图像经过虚拟负片、打印、扫描管线渲染成照片。其中最"像胶片"的一环,是胶片颗粒模拟:spektrafilm 没有使用常见的"叠加噪点"手法,而是用一套随机粒子模型(Random Particle Model)把每个像素的染料密度拆解成成百上千个随机分布的染料微粒子,再经微结构与模糊处理后,合成放大后才肉眼可见的染料云(dye clouds)。本文带你读懂这套原理。
为什么不能用"加噪点"来模拟胶片颗粒
很多 LUT 或滤镜只是在图像上叠加白噪声或噪声纹理,放大后看就是均匀的小亮点。而真实胶片的颗粒来自化学显影:曝光量高的地方形成的染料颗粒多,曝光量低的地方颗粒稀疏,颗粒之间还会互相聚集成云。因此颗粒的"分布统计特性"与局部密度直接相关。
spektrafilm 的思路就是抓住这一点:先算出平滑的 CMY 三通道密度场,再逐像素随机"撒粒子",让颗粒的密度起伏成为输入密度的自然函数,而不是外加的噪声。整个入口在 src/spektrafilm/model/develop.py 中:显影密度曲线插值完成后,develop() 会把结果交给 apply_grain。
三步走:从密度场到染料云的随机粒子模型
核心实现都在 src/spektrafilm/model/grain.py 中,整体分三步。
第一步:每个像素里能放多少个染料粒子
模型用物理尺度来定义颗粒大小:给定像素边长 pixel_size_um(微米)和单个粒子面积 particle_area_um2(默认 0.2 μm²),每个像素的理论粒子数就是两者相除:
n_particles_per_pixel = 像素面积 / 粒子面积
这意味着颗粒大小与"图像分辨率"物理一致:同样的 10μm 像素,粒子面积越大,颗粒越粗,和真实胶片的行为一致。
第二步:Poisson-Binomial 双重重随机抽样
关键函数 layer_particle_model 采用了两层随机过程(默认 method='poisson_binomial'):
- Poisson 抽样(粒子总数):每个像素先按泊松分布随机抽出"显影候选粒子"的总数。这一步引入颗粒的随机起伏——即使密度完全相同,两个相邻像素的粒子数也会不同。
- Binomial 抽样(谁真正显影):把该像素的密度归一化为"显影概率"
p = density / density_max,对每个候选粒子按概率p掷骰子,决定它是否形成染料。 - 最后把"胜出"的粒子数乘以单粒子光密度,得到该像素这一层的颗粒密度贡献。
一个细节是 grain_uniformity(均匀性)参数:它通过"饱和"因子控制颗粒的统计涨落幅度——均匀性越高,粒子分布越接近平滑平均;越低,颗粒越"脏"、对比越强。这正是模仿不同胶片乳剂颗粒"细腻程度"的旋钮。
上图为 GUI 中把胶片局部放大 12 倍后的效果:可以看到颗粒并非均匀噪点,而是沿密度形成疏密有致的染料云团,细节甚至比原图更丰富。
第三步:微结构与整体模糊
单粒子的"撒点"结果过于生硬,模型再补两层处理:
- 微观聚集(micro-structure):
add_micro_structure用对数正态分布生成大尺度的"团块因子"并乘到密度上,模拟真实乳剂中染料颗粒自然聚集形成的斑驳质感; - 颗粒模糊与染料云模糊:
blur_particle/grain_blur用高斯滤波柔化粒子边界,blur_dye_clouds_um按微米尺度控制云团的扩散半径,最后grain_blur对整个颗粒层做一次整体柔化。
染料云如何分层:子层与粒子尺度差异
彩色负片的乳剂有青色、品红、黄色三层染料,且各层颗粒粗细不同。spektrafilm 用两组缩放因子刻画这种差异:
particle_scale(RGB 通道方向):不同颜色通道的粒子相对大小;particle_scale_layers(子层方向):同一通道内 3 个化学子层(对应三原色)的粒子大小差异,例如[2.0, 1.0, 0.5]。
在子层模式下,总密度会先按各子层贡献拆成 3 层,每层独立做粒子抽样,再叠加回该通道——这就是"染料云"有层次、不同颜色颗粒颗粒感不同的来源。这些参数定义在 GrainParams(src/spektrafilm/runtime/params_schema.py)中,并可通过 GUI 的 Grain 面板直接调整。
Kodak Portra 400 这类胶片的三层染料吸收光谱数据,正是颗粒模拟的物理输入之一:
⚡ 速度优化:Numba 加速的随机数生成
对百万级像素做 Poisson + Binomial 抽样,直接调用 scipy 会很慢。项目在 src/spektrafilm/utils/fast_stats.py 中用 Numba @njit(parallel=True) 实现了并行加速版本:
| 函数 | 用途 |
|---|---|
fast_poisson |
小 λ 用 Knuth 算法,大 λ 用正态近似 |
fast_binomial |
小 n 直接逐粒掷骰,大 n 用正态近似或逆变换法 |
fast_lognormal |
生成微观聚集的对数正态团块 |
文件末尾自带的基准测试脚本可以直观对比 NumPy 与加速版的速度差异。粒子模型的行为则由 tests/test_grain.py 中的单元测试与 tests/baselines/ 的回归快照共同保障。
🎞️ 快速上手:在 GUI 里观察颗粒
克隆仓库并安装后启动 GUI,即可无代码地体验完整的胶片颗粒管线:
git clone https://gitcode.com/gh_mirrors/sp/spektrafilm
cd spektrafilm
pip install -e .
spektrafilm
导入一张 RAW 或线性 TIFF,选择 kodak_portra_400 等胶片档位,调整 Grain 面板中的 particle_area_um2(粒子大小)、uniformity(颗粒细腻度)、blur(显影扩散模糊)后,按 PREVIEW/SCAN 对比颗粒变化;想要微观细节时,把局部裁剪放大即可查看染料云。
延伸阅读与相关资料
- 颗粒模型源码:src/spektrafilm/model/grain.py
- 显影与颗粒接入流程:src/spektrafilm/model/develop.py
- 随机数加速实现:src/spektrafilm/utils/fast_stats.py
- 颗粒参数定义:src/spektrafilm/runtime/params_schema.py
- 胶片档位数据(含密度曲线):src/spektrafilm/data/profiles/
- 运行示例:examples/run_simulation.py
一句话总结:spektrafilm 的胶片颗粒 = 物理尺度的粒子密度 × Poisson-Binomial 随机显影 × 子层染料云 × 对数正态微聚集 × 尺度化模糊。正因为颗粒统计特性直接绑定密度场,你才能在放大 12 倍后看到真实感十足的染料云,而不是廉价噪点。


