PFM ตัวลบพื้นหลัง
ลากและวาง หรือ คลิก เพื่อเลือก
ส่วนตัวและปลอดภัย
ทุกอย่างเกิดขึ้นในเบราว์เซอร์ของคุณ ไฟล์ของคุณไม่เคยสัมผัสเซิร์ฟเวอร์ของเรา
เร็วสุดขีด
ไม่มีการอัปโหลด ไม่ต้องรอ แปลงทันทีที่คุณวางไฟล์
ฟรีจริงๆ
ไม่ต้องใช้บัญชี ไม่มีค่าใช้จ่ายแอบแฝง ไม่มีลูกเล่นขนาดไฟล์
การลบพื้นหลัง แยกวัตถุออกจากสภาพแวดล้อมเพื่อให้คุณสามารถวางไว้บน ความโปร่งใส, สลับฉาก, หรือประกอบเข้ากับการออกแบบใหม่. ภายใต้กระโปรงคุณกำลังประเมิน อัลฟ่าแมท—ความทึบต่อพิกเซลจาก 0 ถึง 1—แล้ว การประกอบอัลฟ่า โฟร์กราวด์ поверх สิ่งอื่น. นี่คือคณิตศาสตร์จาก Porter–Duff และสาเหตุของข้อผิดพลาดที่คุ้นเคยเช่น “ขอบ” และ อัลฟ่าตรงกับอัลฟ่าที่คูณไว้ล่วงหน้า. สำหรับคำแนะนำเชิงปฏิบัติเกี่ยวกับการคูณล่วงหน้าและสีเชิงเส้น, ดู บันทึก Win2D ของ Microsoft, Søren Sandmann, และ บทความของ Lomont เกี่ยวกับการผสมเชิงเส้น.
วิธีหลักที่คนใช้ลบพื้นหลัง
1) คีย์โครมา (“หน้าจอเขียว/น้ำเงิน”)
หากคุณสามารถควบคุมการจับภาพได้, ทาสีพื้นหลังเป็นสีทึบ (ส่วนใหญ่มักเป็นสีเขียว) และ คีย์ สีนั้นออกไป. มันรวดเร็ว, ผ่านการทดสอบการต่อสู้ในภาพยนตร์และการออกอากาศ, และเหมาะสำหรับวิดีโอ. ข้อแลกเปลี่ยนคือแสงและตู้เสื้อผ้า: แสงสีจะรั่วไหลไปยังขอบ (โดยเฉพาะเส้นผม), ดังนั้นคุณจะใช้เครื่องมือ despill เพื่อทำให้การปนเปื้อนเป็นกลาง. ไพรเมอร์ที่ดี ได้แก่ เอกสารของ Nuke, Mixing Light, และการสาธิต Fusion แบบลงมือปฏิบัติ.
2) การแบ่งส่วนแบบโต้ตอบ (CV แบบคลาสสิก)
สำหรับภาพเดี่ยวที่มีพื้นหลังรก, อัลกอริทึม แบบโต้ตอบ ต้องการคำใบ้จากผู้ใช้เล็กน้อย—เช่น, สี่เหลี่ยมผืนผ้าหลวมๆ หรือลายเส้นขยุกขยิก—และมาบรรจบกันเป็นหน้ากากที่คมชัด. วิธีการที่เป็นที่ยอมรับคือ GrabCut (บทในหนังสือ), ซึ่งเรียนรู้แบบจำลองสีสำหรับโฟร์กราวด์/พื้นหลัง และใช้การตัดกราฟซ้ำๆ เพื่อแยกพวกมัน. คุณจะเห็นแนวคิดที่คล้ายกันใน การเลือกโฟร์กราวด์ของ GIMP โดยใช้ SIOX (ปลั๊กอิน ImageJ).
3) การทำแมทภาพ (อัลฟ่าแบบละเอียด)
การทำแมท แก้ปัญหาความโปร่งใสแบบเศษส่วนที่ขอบเขตที่บอบบาง (ผม, ขน, ควัน, แก้ว). การทำแมทแบบปิดคลาสสิก ใช้ trimap (แน่นอน-หน้า/แน่นอน-หลัง/ไม่ทราบ) และแก้ปัญหาระบบเชิงเส้นสำหรับอัลฟ่าที่มีความเที่ยงตรงของขอบสูง. การทำแมทภาพแบบลึกสมัยใหม่ ฝึกอบรมโครงข่ายประสาทเทียมบนชุดข้อมูล Adobe Composition-1K (เอกสาร MMEditing), และได้รับการประเมินด้วยเมตริกเช่น SAD, MSE, Gradient, และ Connectivity (คำอธิบายเกณฑ์มาตรฐาน).
4) การตัดภาพด้วยการเรียนรู้เชิงลึก (ไม่มี trimap)
- U2-Net (การตรวจจับวัตถุเด่น) เป็นเครื่องมือ “ลบพื้นหลัง” ทั่วไปที่แข็งแกร่ง (repo).
- MODNet มุ่งเป้าไปที่การทำแมทภาพบุคคลแบบเรียลไทม์ (PDF).
- F, B, Alpha (FBA) Matting ร่วมกันทำนาย передний план, พื้นหลัง, และอัลฟ่าเพื่อลดรัศมีสี (repo).
- Background Matting V2 สมมติว่ามีแผ่นพื้นหลังและให้ผลลัพธ์เป็นแมทระดับเส้นผมแบบเรียลไทม์ที่ความละเอียดสูงสุด 4K/30fps (หน้าโครงการ, repo).
งานแบ่งส่วนที่เกี่ยวข้องก็มีประโยชน์เช่นกัน: DeepLabv3+ ปรับปรุงขอบเขตด้วยตัวเข้ารหัส-ตัวถอดรหัสและคอนโวลูชัน atrous (PDF); Mask R-CNN ให้หน้ากากต่ออินสแตนซ์ (PDF); และ SAM (Segment Anything) เป็น โมเดลพื้นฐาน ที่สามารถแจ้งได้ ที่สร้างหน้ากากแบบ zero-shot บนภาพที่ไม่คุ้นเคย.
เครื่องมือยอดนิยมทำอะไรได้บ้าง
- Photoshop: การดำเนินการด่วน ลบพื้นหลัง ทำงาน “เลือกวัตถุ → หน้ากากเลเยอร์” ภายใต้กระโปรง (ยืนยันที่นี่; บทช่วยสอน).
- GIMP: การเลือก передний план (SIOX).
- Canva: 1-คลิก ตัวลบพื้นหลัง สำหรับภาพและวิดีโอสั้น.
- remove.bg: เว็บแอป + API สำหรับระบบอัตโนมัติ.
- อุปกรณ์ Apple: “ยกวัตถุ” ระดับระบบใน Photos/Safari/Quick Look (การตัดภาพบน iOS).
เคล็ดลับเวิร์กโฟลว์สำหรับการตัดภาพที่สะอาดขึ้น
- ถ่ายภาพอย่างชาญฉลาด. แสงที่ดีและความคมชัดของวัตถุ-พื้นหลังที่แข็งแกร่งช่วยได้ทุกวิธี. ด้วยหน้าจอเขียว/น้ำเงิน, วางแผนสำหรับ despill (คู่มือ).
- เริ่มกว้าง, ปรับแต่งให้แคบ. เรียกใช้การเลือกอัตโนมัติ (เลือกวัตถุ, U2-Net, SAM), จากนั้นปรับแต่งขอบด้วยพู่กันหรือการทำแมท (เช่น, แบบปิด).
- ใส่ใจกับความโปร่งแสง. แก้ว, ผ้าคลุมหน้า, การเบลอจากการเคล ื่อนไหว, ผมที่ปลิวไสวต้องการอัลฟ่าที่แท้จริง (ไม่ใช่แค่หน้ากากแข็ง). วิธีการที่กู้คืน F/B/α ยังช่วยลดรัศมี.
- รู้จักอัลฟ่าของคุณ. ตรงกับที่คูณไว้ล่วงหน้า สร้างพฤติกรรมขอบที่แตกต่างกัน; ส่งออก/ประกอบอย่างสม่ำเสมอ (ดู ภาพรวม, Hargreaves).
- เลือกเอาต์พุตที่เหมาะสม. สำหรับ “ไม่มีพื้นหลัง” ให้ส่งแรสเตอร์ที่มีอัลฟ่าที่สะอาด (เช่น, PNG/WebP) หรือเก็บไฟล์เลเยอร์ที่มีหน้ากากไว้หากคาดว่าจะมีการแก้ไขเพิ่มเติม. กุญแจสำคัญคือ คุณภาพของอัลฟ่า ที่คุณคำนวณ—มีรากฐานมาจาก Porter–Duff.
คุณภาพและการประเมินผล
งานวิชาการรายงานข้อผิดพลาด SAD, MSE, Gradient, และ Connectivity บน Composition-1K. หากคุณกำลังเลือกโมเดล, ให้มองหาเมตริกเหล่านั้น (คำจำกัดความของเมตริก; ส่วนเมตริกของ Background Matting). สำหรับภาพบุคคล/วิดีโอ, MODNet และ Background Matting V2 แข็งแกร่ง; สำหรับภาพ “วัตถุเด่น” ทั่วไป, U2-Net เป็นพื้นฐานที่มั่นคง; สำหรับความโปร่งใสที่ยาก, FBA อาจสะอาดกว่า.
กรณีขอบทั่วไป (และวิธีแก้ไข)
- ผมและขน: ชอบการทำแมท (trimap หรือการทำแมทภาพบุคคลเช่น MODNet) และตรวจสอบบนกระดานหมากรุก.
- โครงสร้างละเอียด (ซี่ล้อจักรยาน, สายเบ็ด): ใช้อินพุตความละเอียด สูงและตัวแบ่งส่วนที่รับรู้ขอบเขตเช่น DeepLabv3+ เป็นขั้นตอนก่อนการทำแมท.
- สิ่งที่มองทะลุได้ (ควัน, แก้ว): คุณต้องใช้อัลฟ่าแบบเศษส่วนและมักจะต้องมีการประมาณสี передний план (FBA).
- การประชุมทางวิดีโอ: หากคุณสามารถจับภาพแผ่นที่สะอาดได้, Background Matting V2 ดูเป็นธรรมชาติมากกว่าการสลับ “พื้นหลังเสมือน” แบบง่ายๆ.
สิ่งนี้ปรากฏในโลกแห่งความเป็นจริงที่ไหน
- อีคอมเมิร์ซ: ตลาด (เช่น, Amazon) มักต้องการพื้นหลังภาพหลัก สีขาวบริสุทธิ์; ดู คู่มือภาพผลิตภัณฑ์ (RGB 255,255,255).
- เครื่องมือออกแบบ: ตัวลบพื้นหลัง ของ Canva และ ลบพื้นหลัง ของ Photoshop ทำให้การตัดภาพทำได้ง่ายขึ้น.
- ความสะดวกสบายบนอุปกรณ์: “ยกวัตถุ” ของ iOS/macOS เหมาะสำหรับการแชร์แบบสบายๆ.
ทำไมการตัดภาพบางครั้งดูปลอม (และวิธีแก้ไข)
- การรั่วไหลของสี: แสงสีเขียว/น้ำเงินล้อมรอบวัตถุ—ใช้ การควบคุม despill หรือการเปลี่ยนสีเป้าหมาย.
- รัศมี/ขอบ: โดยปกติแล้วเป็นการตีความอัลฟ่าที่ไม่ตรงกัน (ตรงกับที่คูณไว้ล่วงหน้า) หรือพิกเซลขอบที่ปนเปื้อนจากพื้นหลังเก่า; แปลง/ตีความให้ถูกต้อง (ภาพรวม, รายละเอียด).
- การเบลอ/เกรนที่ไม่ถูกต้อง: วางวัตถุที ่คมกริบลงบนพื้นหลังที่นุ่มนวลแล้วมันจะโดดเด่น; จับคู่การเบลอของเลนส์และเกรนหลังการประกอบ (ดู พื้นฐาน Porter–Duff).
คู่มือ TL;DR
- หากคุณควบคุมการจับภาพ: ใช้คีย์โครมา; ให้แสงสว่างสม่ำเสมอ; วางแผน despill.
- หากเป็นภาพถ่ายครั้งเดียว: ลองใช้ ลบพื้นหลัง ของ Photoshop, ตัวลบ ของ Canva, หรือ remove.bg; ปรับแต่งด้วยพู่กัน/การทำแมทสำหรับผม.
- หากคุณต้องการขอบระดับโปร덕ชั่น: ใช้การทำแมท ( แบบปิด หรือแบบลึก) และตรวจสอบอัลฟ่าบนความโปร่งใส; ระวัง การตีความอัลฟ่า.
- สำหรับภาพบุคคล/วิดีโอ: พิจารณา MODNet หรือ Background Matting V2; สำหรับการแบ่งส่วนที่แนะนำด้วยการคลิก, SAM เป็นส่วนหน้าที่ทรงพลัง.
รูปแบบ PFM คืออะไร?
รูปแบบลอยพกพา
รูปแบบไฟล์ Portable FloatMap (PFM) เป็นรูปแบบไฟล์ภาพที่ไม่ค่อยมีใครรู้จักแต่มีความสำคัญอย่างยิ่ง โดยเฉพาะในสาขาที่ต้องการความเที่ยงตรงและความแม่นยำสูงในข้อมูลภาพ ต่างจากรูปแบบทั่วไป เช่น JPEG หรือ PNG ที่ออกแบบมาสำหรับการใช้งานทั่วไปและกราฟิกบนเว็บ รูปแบบ PFM ได้รับการออกแบบมาโดยเฉพาะเพื่อจัดเก็บและจัดการข้อมูลภาพช่วงไดนามิกสูง (HDR) ซึ่งหมายความว่าสามารถแสดงช่วงระดับความ สว่างที่กว้างกว่ารูปแบบภาพ 8 บิตหรือแม้แต่ 16 บิตแบบเดิมได้มาก รูปแบบ PFM ทำได้โดยใช้ตัวเลขจุดลอยตัวเพื่อแสดงความเข้มของแต่ละพิกเซล ซึ่งช่วยให้มีช่วงค่าความสว่างที่เกือบไม่จำกัด ตั้งแต่เงาที่มืดที่สุดไปจนถึงไฮไลต์ที่สว่างที่สุด
ไฟล์ PFM มีลักษณะเฉพาะคือความเรียบง่ายและประสิทธิภาพในการจัดเก็บข้อมูล HDR ไฟล์ PFM เป็นไฟล์ไบนารีโดยพื้นฐาน ซึ่งประกอบด้วยส่วนหัวตามด้วยข้อมูลพิกเซล ส่วนหัวเป็นข้อความ ASCII ทำให้อ่านได้โดยมนุษย์ และระบุข้อมูลสำคัญเกี่ยวกับภาพ เช่น ขนาด (ความกว้างและความสูง) และข้อมูลพิกเซลจะถูกจัดเก็บในรูปแบบเกรย์สเกลหรือ RGB หรือไม่ หลังจากส่วนหัว ข้อมูลพิกเซลจะถูกจัดเก็บในรูปแบบไบนารี โดยค่าของแต่ละพิกเซลจะแสดงเป็นตัวเลขจุดลอยตัว IEEE 32 บิต (สำหรับภาพเกรย์สเกล) หรือ 96 บิต (สำหรับภาพ RGB) โครงสร้างนี้ทำให้รูปแบบนี้ใช้งานได้ง่ายในซอฟต์แวร์ ขณะเดียวกันก็ให้ความแม่นยำที่จำเป็นสำหรับการถ่ายภาพ HDR
ลักษณะเฉพาะอย่างหนึ่งของรูปแบบ PFM คือรองรับการจัดเรียงไบต์แบบ little-endian และ big-endian ความยืดหยุ่นนี้ช่วยให้สามารถใช้รูปแบบนี้ในแพลตฟอร์มคอมพิวเตอร์ต่างๆ ได้โดยไม่มีปัญหาเรื่องความเข้ากันได้ ลำดับไบต์จะระบุไว้ในส่วนหัวโดยตัวระบุรูปแบบ: 'PF' สำหรับภาพ RGB และ 'Pf' สำหรับภาพเกรย์สเกล หากตัวระบุเป็นตัวพิมพ์ใหญ่ แสดงว่าไฟล์ใช้ลำดับไบต์แบบ big-endian หากเป็นตัวพิมพ์เล็ก แสดงว่าไฟล์ใช้ลำดับไบต์แบบ little-endian กลไกนี้ไม่เพียงแต่จะสง่างามเท่านั้น แต่ยังมีความสำคัญต่อการรักษาความถูกต้องของข้อมูลจุดลอยตัวเมื่อมีการแชร์ไฟล์ระหว่างระบบที่มีลำดับไบต์ต่างกัน
แม้จะมีข้อดีในการแสดงภาพ HDR แต่รูปแบบ PFM ก็ไม่ได้รับความนิยมในแอปพลิเคชันสำหรับผู้บริโภคหรือกร าฟิกบนเว็บ เนื่องจากขนาดไฟล์ขนาดใหญ่ที่เกิดจากการใช้การแสดงจุดลอยตัวสำหรับแต่ละพิกเซล นอกจากนี้ อุปกรณ์แสดงผลและซอฟต์แวร์ส่วนใหญ่ไม่ได้ออกแบบมาเพื่อรองรับช่วงไดนามิกสูงและความแม่นยำที่ไฟล์ PFM ให้ไว้ ด้วยเหตุนี้ ไฟล์ PFM จึงใช้เป็นหลักในสาขาต่างๆ เช่น การวิจัยกราฟิกคอมพิวเตอร์ การสร้างเอฟเฟกต์ภาพ และการสร้างภาพทางวิทยาศาสตร์ ซึ่งจำเป็นต้องใช้คุณภาพและความเที่ยงตรงของภาพสูงสุด
การประมวลผลไฟล์ PFM ต้องใช้ซอฟต์แวร์เฉพาะทางที่สามารถอ่านและเขียนข้อมูลจุดลอยตัวได้อย่างแม่นยำ เนื่องจากการนำรูปแบบนี้ไปใช้มีจำกัด ซอฟต์แวร์ดังกล่าวจึงไม่แพร่หลายเท่าเครื่องมือสำหรับรูปแบบภาพที่แพร่หลายกว่า อย่างไรก็ตาม แอปพลิเคชันการแก้ไขและประมวลผลภาพระดับมืออาชีพหลายๆ แอปพลิเคชันรองรับไฟล์ PFM ซึ่งช่วยให้ผู้ใช้สามารถทำงา นกับเนื้อหา HDR ได้ เครื่องมือเหล่านี้มักมีฟีเจอร์ไม่เพียงแต่สำหรับการดูและแก้ไข แต่ยังรวมถึงการแปลงไฟล์ PFM เป็นรูปแบบทั่วไปกว่า โดยพยายามรักษาช่วงไดนามิกให้ได้มากที่สุดเท่าที่จะทำได้ผ่านการแมปโทนและเทคนิคอื่นๆ
หนึ่งในความท้าทายที่สำคัญที่สุดในการทำงานกับไฟล์ PFM คือการขาดการรองรับเนื้อหา HDR อย่างแพร่หลายในฮาร์ดแวร์และซอฟต์แวร์สำหรับผู้บริโภค แม้ว่าจะมีการเพิ่มการรองรับ HDR อย่างค่อยเป็นค่อยไปในช่วงไม่กี่ปีที่ผ่านมา โดยมีจอแสดงผลและทีวีรุ่นใหม่บางรุ่นที่สามารถแสดงช่วงระดับความสว่างที่กว้างขึ้น แต่ระบบนิเวศยังคงตามไม่ทัน สถานการณ์นี้มักจำเป็นต้องแปลงไฟล์ PFM เป็นรูปแบบที่เข้ากันได้มากขึ้น แม้ว่าจะต้องแลกกับการสูญเสียช่วงไดนามิกและความแม่นยำบางส่วนที่ทำให้รูปแบบ PFM มีค่าสำหรับการใช้งานระดับมืออาชีพ
นอกเหนือจากบทบาทหลักในการจัดเก็บภาพ HDR แล้ว รูปแบบ PFM ยังโดดเด่นในเรื่องความเรียบง่าย ซึ่งทำให้เป็นตัวเลือกที่ยอดเยี่ยมสำหรับวัตถุประสงค์ทางการศึกษาและโครงการทดลองในกราฟิกคอมพิวเตอร์และการประมวลผลภาพ โครงสร้างที่ตรงไปตรงมาช่วยให้นักเรียนและนักวิจัยสามารถทำความเข้าใจและจัดการข้อมูล HDR ได้อย่างง่ายดายโดยไม่ต้องติดอยู่ในข้อกำหนดรูปแบบไฟล์ที่ซับซ้อน ความง่ายในการใช้งานนี้ เมื่อรวมกับความแม่นยำและความยืดหยุ่นของรูปแบบ ทำให้ PFM เป็นเครื่องมือที่มีค่าในงานวิชาการและการวิจัย
อีกหนึ่งคุณสมบัติทางเทคนิคของรูปแบบ PFM คือการรองรับตัวเลขอนันต์และต่ำกว่าปกติ เนื่องจากใช้การแสดงจุดลอยตัว IEEE ความสามารถนี้มีประโยชน์อย่างยิ่งในการสร้างภาพทางวิทยาศาสตร์และงานกราฟิกคอมพิวเตอร์บางประเภท ซึ่งจำเป็นต้องแสดงค่าสุดขั้วหรือการไล่ระดับที่ละเอียดมากในข้อมูล ตัวอย่างเช่น ในการจำลองปรากฏการณ์ทางกายภาพหรือการเรนเดอร์ฉากที่มีแหล่งกำเนิดแสงที่สว่างมาก ความสามารถในการแสดงค่าความเข้มที่สูงมากหรือต่ำมากอย่างแม่นยำอาจมีความสำคัญ
อย่างไรก็ตาม ข้อดีของความแม่นยำของจุดลอยตัวของรูปแบบ PFM มาพร้อมกับความต้องการในการคำนวณที่เพิ่มขึ้นเมื่อประมวลผลไฟล์เหล่านี้ โดยเฉพาะสำหรับภาพขนาดใหญ่ เนื่องจากค่าของแต่ละพิกเซลเป็นตัวเลขจุดลอยตัว การดำเนินการต่างๆ เช่น การปรับขนาดภาพ การกรอง หรือการแมปโทน จึงอาจต้องใช้การคำนวณมากกว่ารูปแบบภาพแบบอิงจำนวนเต็มแบบเดิม ความต้องการพลังการประมวลผลที่มากขึ้นนี้อาจเป็นข้อจำกัดในแอปพลิเคชันแบบเรียลไทม์หรือบนฮาร์ดแวร์ที่มีความสามารถจำกัด แม้จะเป็นเช่นนั้น แต่สำหรับแอปพลิเคชันที่คุณภาพของภาพสูง สุดมีความสำคัญ ประโยชน์ก็มีมากกว่าความท้าทายในการคำนวณเหล่านี้
รูปแบบ PFM ยังมีบทบัญญัติสำหรับการระบุตัวคูณมาตราส่วนและ endian-ness ในส่วนหัว ซึ่งจะเพิ่มความหลากหลายยิ่งขึ้น ตัวคูณมาตราส่วนเป็นตัวเลขจุดลอยตัวที่ช่วยให้ไฟล์สามารถระบุช่วงความสว่างทางกายภาพที่แสดงโดยช่วงตัวเลขของค่าพิกเซลของไฟล์ คุณสมบัตินี้มีความสำคัญเพื่อให้แน่ใจว่าเมื่อใช้ไฟล์ PFM ในโครงการต่างๆ หรือแบ่งปันระหว่างผู้ทำงานร่วมกัน จะมีความเข้าใจที่ชัดเจนว่าค่าพิกเซลสัมพันธ์กับค่าความสว่างในโลกแห่งความจริงอย่างไร
แม้จะมีข้อดีทางเทคนิคของรูปแบบ PFM แต่ก็ยังเผชิญกับความท้าทายที่สำคัญในการนำไปใช้ในวงกว้างนอกเหนือจากสภาพแวดล้อมระดับมืออาชีพและการศึกษาเฉพาะทาง ความจำเป็นของซอฟต์แวร์เฉพาะทางเพื่อประมวลผลไฟล์ PFM เมื่อรวมกับขนาดไฟล์ขนาดใหญ่ และความต้องการในการคำนวณ ทำให้การใช้งานยังคงจำกัดเมื่อเทียบกับรูปแบบที่แพร่หลายกว่า หากต้องการให้รูปแบบ PFM ได้รับการยอมรับอย่างกว้างขวาง จะต้องมีการเปลี่ยนแปลงที่สำคัญทั้งในด้านฮาร์ดแวร์ที่มีอยู่ซึ่งสามารถแสดงเนื้อหา HDR และการรองรับของระบบนิเวศซอฟต์แวร์สำหรับภาพที่มีความเที่ยงตรงสูงและช่วงไดนามิกสูง
เมื่อมองไปข้างหน้า อนาคตของรูปแบบ PFM และการถ่ายภาพ HDR