Die Farbtemperatur beschreibt die Farbwirkung einer Lichtquelle. Sie wird in Kelvin (K) angegeben. Niedrige Farbtemperaturen wirken: warm orange gelblich Hohe Farbtemperaturen wirken: kühl bläulich Beispiele: Kerzenlicht → sehr warm Glühlampen → warm Tageslicht → neutral Schatten oder bewölkter Himmel → kühl Die Farbtemperatur beeinflusst stark: Stimmung Hauttöne Weißabgleich allgemeine Bildwirkung Fotografen passen den Weißabgleich oft an die jeweilige Farbtemperatur an. Kurz gesagt: Die Farbtemperatur beschreibt, ob Licht eher warm oder kühl wirkt.
Ein Fernauslöser ermöglicht das Auslösen der Kamera ohne direkten Kontakt mit dem Gehäuse. Dadurch lassen sich Verwacklungen vermeiden, besonders bei: Langzeitbelichtungen Nachtfotografie Makro Studioaufnahmen Astrofotografie Es gibt verschiedene Arten: Kabelauslöser Funkfernauslöser Bluetooth-Auslöser Smartphone-Steuerung Viele Fernauslöser bieten zusätzlich Funktionen wie: Timer Serienbilder Intervallaufnahmen Bulb-Steuerung Der Vorteil: Mehr Kontrolle und stabilere Aufnahmen ohne Berührung der Kamera. Kurz gesagt: Ein Fernauslöser steuert die Kamera aus der Distanz und reduziert Verwacklungen bei der Aufnahme.
Eine Festbrennweite ist ein Objektiv mit fester Brennweite ohne Zoomfunktion. Beispiele: 35mm 50mm 85mm Im Gegensatz zu Zoomobjektiven kann der Bildausschnitt nur durch: Standortwechsel oder Bildausschnittänderung angepasst werden. Festbrennweiten bieten häufig: bessere Bildqualität höhere Lichtstärke schöneres Bokeh kompaktere Bauweise Deshalb sind sie besonders beliebt bei: Portraits Street Photography Reportage Low-Light-Fotografie Der Nachteil: Weniger Flexibilität als Zoomobjektive. Kurz gesagt: Eine Festbrennweite ist ein Objektiv ohne Zoom mit fester Brennweite und oft besonders hoher Bildqualität.
Few-Shot Generation bedeutet, dass eine KI mit nur wenigen Beispielen neue Inhalte erzeugen oder einen Stil lernen kann. Statt tausender Trainingsbilder reichen oft schon: einige Referenzbilder wenige Beispiele kurze Stilvorlagen um der KI eine Richtung vorzugeben. Das wird häufig genutzt für: Character Consistency Stilübernahmen Produktbilder Gesichter individuelle Artstyles Moderne KI-Systeme können dadurch oft schon nach wenigen Bildern: ähnliche Charaktere erzeugen Bildstimmungen übernehmen bestimmte Designs nachahmen Few-Shot-Techniken kommen oft bei: IP-Adaptern Referenzbildsystemen modernen Bildmodellen personalisierten Workflows zum Einsatz. Der Vorteil: Weniger Trainingsaufwand und deutlich schnellere Ergebnisse. Der Nachteil: Zu wenige oder schlechte Beispiele führen schnell zu instabilen oder ungenauen Resultaten. Kurz gesagt: Few-Shot Generation bedeutet, dass eine KI bereits mit wenigen Beispielen neue Inhalte oder Stile übernehmen kann.
Filter sind Zubehörteile oder digitale Effekte, die das Aussehen eines Bildes beeinflussen. In der Fotografie unterscheidet man meist zwischen: optischen Filtern am Objektiv digitalen Filtern in der Bildbearbeitung Bekannte optische Filter: UV-Filter Polfilter ND-Filter Effektfilter Sie können zum Beispiel: Reflexionen reduzieren Farben verstärken Licht abdunkeln Langzeitbelichtungen ermöglichen Digitale Filter verändern Bilder nachträglich, etwa durch: Farblooks Kontrastanpassungen Vintage-Effekte Schwarzweiß-Looks Der Nachteil: Schlechte oder übertriebene Filter können Bildqualität und Natürlichkeit verschlechtern. Kurz gesagt: Filter verändern gezielt Licht oder Bildwirkung — entweder direkt vor der Aufnahme oder später in der Bildbearbeitung.
Ein Filteradapter verbindet Filter mit Objektiven, deren Größe oder Befestigung eigentlich nicht direkt passt. Dadurch können Fotografen denselben Filter an mehreren Objektiven verwenden. Besonders häufig sind: Step-Up-Ringe Step-Down-Ringe Beispiele: 67mm → 77mm 82mm → 72mm Filteradapter werden oft genutzt für: ND-Filter Polfilter Matte Boxes Rechteckfiltersysteme Der Vorteil: Weniger Kosten, weil nicht für jedes Objektiv ein eigener Filter nötig ist. Der Nachteil: Falsche Adapterkombinationen können: Vignettierung Instabilität oder Einschränkungen bei Gegenlichtblenden verursachen. Kurz gesagt: Ein Filteradapter ermöglicht die Nutzung von Filtern an Objektiven mit unterschiedlichem Durchmesser.
Fine-Tuning bedeutet, ein bestehendes KI-Modell zusätzlich auf neue Daten zu trainieren. Dadurch kann ein Modell: neue Stile lernen realistischer werden bestimmte Charaktere besser darstellen spezialisierte Aufgaben übernehmen LoRAs und viele moderne Checkpoints basieren auf Fine-Tuning. Kurz gesagt: Fine-Tuning erweitert oder spezialisiert ein vorhandenes KI-Modell durch zusätzliches Training.
Fisheye bezeichnet einen extremen Weitwinkel-Look mit starker perspektivischer Verzerrung. Gerade Linien wirken dabei oft gebogen oder gekrümmt. Fisheye-Aufnahmen besitzen meist: riesigen Bildwinkel starke Tiefenwirkung auffällige Verzerrungen dynamische Perspektiven Der Effekt entsteht durch spezielle Fisheye-Objektive. Fisheyes werden häufig genutzt für: Skate- und Sportfotografie Actioncams kreative Portraits Architektur experimentelle Fotografie Der Nachteil: Die starke Verzeichnung eignet sich nicht für jede Art von Motiv. Kurz gesagt: Fisheye beschreibt einen extremen Weitwinkel-Look mit charakteristisch gebogenen Perspektiven.
Ein Fisheye-Objektiv ist ein extremes Weitwinkelobjektiv mit stark gekrümmter Bilddarstellung. Gerade Linien wirken dabei oft gebogen oder verzerrt. Fisheye-Objektive besitzen meist sehr kurze Brennweiten und erfassen einen extrem großen Bildwinkel — teilweise bis zu 180 Grad. Sie werden häufig genutzt für: Action-Aufnahmen Skate- und Sportfotografie kreative Effekte Architektur 360°-Looks Typisch für Fisheye-Bilder: starke Perspektivwirkung übertriebene Tiefenwirkung sichtbare Verzerrungen Der Nachteil: Die extreme Verzeichnung eignet sich nicht für jede Art von Fotografie. Kurz gesagt: Ein Fisheye-Objektiv ist ein Ultraweitwinkel mit charakteristisch starker Bildverzerrung.
Flare bezeichnet Lichtreflexe und Streulicht im Objektiv, die sichtbar ins Bild gelangen. Sie entstehen häufig bei: Gegenlicht starken Lichtquellen Sonne im Bild hellen Reflexionen Typische Lens Flares sind: Lichtkreise Streifen Nebel Kontrastverlust Früher galten Flares oft als optischer Fehler. Heute werden sie häufig bewusst genutzt für: Cinematic Looks Vintage-Stimmung dramatische Lichtwirkung Die Stärke von Flares hängt unter anderem ab von: Objektivbeschichtung Linsenkonstruktion Lichtwinkel Gegenlichtblenden helfen oft dabei, unerwünschte Flares zu reduzieren. Kurz gesagt: Flare sind sichtbare Lichtreflexe und Streulichteffekte innerhalb eines Objektivs.
Flux ist eine moderne KI-Modellreihe zur Bildgenerierung mit starkem Fokus auf Prompt-Verständnis, Bildqualität und realistische Details. Im Vergleich zu vielen älteren Stable-Diffusion-Modellen versteht Flux oft deutlich besser: natürliche Sprache komplexe Bildbeschreibungen Szenenaufbau Text im Bild genaue Objektplatzierung Dadurch muss man Prompts oft weniger „hacky“ schreiben als bei älteren Modellen mit endlosen Tags und Gewichtungen. Typisch für Flux: sehr saubere Bildkomposition realistisches Lighting starke Detailqualität natürliche Materialien und Haut modernes Gesamtbild Viele Nutzer empfinden Flux als intelligenter und kontrollierter als klassische SDXL-Modelle. Gleichzeitig benötigt es aber oft deutlich mehr Leistung und Speicher. Der Nachteil: Flux kann manchmal zu „perfekt“ oder steril wirken. Manche Bilder verlieren dadurch etwas von dem chaotischen, kreativen Charakter älterer Modelle. Kurz gesagt: Flux gehört zur neuen Generation von KI-Modellen mit besserem Sprachverständnis und stärkerem Fokus auf hochwertige, kontrollierte Ergebnisse.
Der Fokus bestimmt, welcher Bereich eines Bildes scharf dargestellt wird. Beim Fokussieren stellt die Kamera oder das Objektiv auf eine bestimmte Entfernung scharf. Je nach Fokus-Einstellung können: einzelne Personen Objekte oder ganze Bildbereiche im Mittelpunkt der Schärfe liegen. Der Fokus beeinflusst stark: Bildwirkung Aufmerksamkeit des Betrachters Freistellung Bildqualität Man unterscheidet häufig zwischen: manuellem Fokus Autofokus Unscharfer oder falsch gesetzter Fokus zählt zu den häufigsten technischen Bildfehlern. Kurz gesagt: Der Fokus legt fest, welcher Bereich eines Bildes scharf dargestellt wird.
Fokus Breathing beschreibt eine leichte Veränderung des Bildausschnitts beim Scharfstellen. Wenn der Fokus von nah zu fern oder umgekehrt verändert wird, kann sich dabei: der Bildwinkel leicht ändern der Bildausschnitt „atmen“ das Motiv minimal hinein- oder herauszoomen Dieser Effekt entsteht durch die optische Konstruktion des Objektivs. Fokus Breathing ist besonders relevant bei: Videoaufnahmen Cinematic Workflows Fokus-Pulls Präziser Bildkomposition Starkes Fokus Breathing kann störend wirken, weil: der Bildausschnitt unruhig wirkt Bewegungen im Frame sichtbar „springen“ Hochwertige Cine-Objektive sind oft so konstruiert, dass Fokus Breathing möglichst gering ist. Kurz gesagt: Fokus Breathing ist eine leichte Veränderung des Bildausschnitts beim Fokussieren eines Objektivs.
Fokus-Stacking ist eine Technik, bei der mehrere Fotos mit unterschiedlicher Fokusebene zu einem einzigen Bild kombiniert werden. Ziel ist es, eine deutlich größere Schärfentiefe zu erreichen, als mit einer einzelnen Aufnahme möglich wäre. Typischer Ablauf: mehrere Bilder werden aufgenommen der Fokus wird dabei schrittweise verschoben die scharfen Bereiche werden später zusammengesetzt Fokus-Stacking wird häufig genutzt bei: Makrofotografie Produktfotografie Architekturdetails technischen Aufnahmen Der Vorteil: Extrem große Schärfentiefe bei gleichzeitig hoher Detailqualität. Der Nachteil: hoher Aufwand bei Aufnahme und Bearbeitung Bewegung im Motiv kann Probleme verursachen Kurz gesagt: Fokus-Stacking kombiniert mehrere unterschiedlich fokussierte Bilder zu einem durchgehend scharfen Gesamtbild.
Die Fokusebene ist der Bereich eines Bildes, auf den exakt scharfgestellt wurde. Alle Motive auf derselben Entfernung zur Kamera liegen innerhalb dieser Schärfeebene. Vor und hinter der Fokusebene nimmt die Schärfe zunehmend ab. Die Lage der Fokusebene beeinflusst stark: Bildwirkung Freistellung Tiefenschärfe Blickführung Besonders bei: Portraits Makro Offenblende ist die Fokusebene oft extrem schmal. Mit speziellen Techniken wie Tilt-Shift lässt sich die Fokusebene gezielt verändern oder kippen. Kurz gesagt: Die Fokusebene ist der exakt scharf dargestellte Bereich eines Bildes.
Fokussierung bezeichnet das Einstellen der Schärfe auf ein Motiv oder einen bestimmten Bildbereich. Dabei wird festgelegt, welche Entfernung im Bild scharf dargestellt wird. Die Fokussierung kann erfolgen durch: Autofokus (AF) manuellen Fokus (MF) Eine präzise Fokussierung ist besonders wichtig bei: Portraits Makrofotografie Sport Offenblende Video Fehlerhafte Fokussierung führt oft zu: unscharfen Bildern falsch gesetzter Schärfe verlorenen Details Moderne Kameras unterstützen die Fokussierung mit Funktionen wie: Eye-AF Tracking Fokus-Peaking Kurz gesagt: Fokussierung bedeutet, die Schärfe gezielt auf ein Motiv oder einen Bildbereich einzustellen.
Eine Fotomontage kombiniert mehrere Bilder oder Bildelemente zu einer neuen gemeinsamen Komposition. Dabei können zum Beispiel: Personen Hintergründe Objekte Lichtstimmungen Effekte miteinander verbunden werden. Fotomontagen werden häufig genutzt für: Werbung Composings Fantasy-Art Filmplakate Surrealismus kreative Bildbearbeitung Moderne Fotomontagen entstehen meist digital in Programmen wie: Adobe Photoshop Affinity Photo Wichtige Faktoren sind: Perspektive Licht Schatten Farbwirkung damit die Montage glaubwürdig wirkt. Kurz gesagt: Eine Fotomontage verbindet mehrere Bilder oder Elemente zu einem neuen Gesamtbild.
Diese Begriffe beschreiben unterschiedliche Zahlenformate für KI-Berechnungen. Sie beeinflussen: Geschwindigkeit Speicherverbrauch Genauigkeit Kleinere Formate sparen Leistung und VRAM, können aber minimal Qualität kosten. Kurz gesagt: FP8, FP16 und BF16 bestimmen, wie präzise und effizient ein KI-Modell intern rechnet.
Ein Frame ist ein einzelnes Bild innerhalb einer Bildserie oder eines Videos. Bei Videos und Animationen bestehen Bewegungen aus vielen einzelnen Frames, die schnell hintereinander abgespielt werden. Beispiele: 24 Frames pro Sekunde → Kinolook 30 FPS → Standardvideo 60 FPS → besonders flüssige Bewegungen Auch in der Fotografie taucht der Begriff auf, etwa bei: Einzelbildern aus Serienaufnahmen Video-Stills Kompositionen In der KI-Bild- und Videogenerierung beschreibt ein Frame meist: ein einzelnes Bild innerhalb einer Sequenz oder Animation Kurz gesagt: Ein Frame ist ein einzelnes Bild innerhalb eines Videos, einer Animation oder Bildserie.
Framing beschreibt die bewusste Einrahmung oder Platzierung eines Motivs innerhalb des Bildes. Dabei werden Elemente im Bild genutzt, um: den Blick zu lenken das Motiv hervorzuheben Tiefe zu erzeugen die Bildkomposition zu stärken Typische natürliche Rahmen sind: Fenster Türen Äste Tunnel Schatten Architektur Framing wird häufig genutzt bei: Portraits Street Photography Architektur Cinematic Photography Gutes Framing kann ein Bild: interessanter räumlicher und fokussierter wirken lassen. Kurz gesagt: Framing nutzt Bildbereiche oder Objekte als visuellen Rahmen für das Motiv.
Freistellen bedeutet, ein Motiv vom Hintergrund zu trennen oder hervorzuheben. Das kann erfolgen durch: geringe Tiefenschärfe starke Unschärfe im Hintergrund Maskierung Bildbearbeitung Hintergrundentfernung Besonders häufig wird Freistellen genutzt bei: Portraits Produktfotografie Werbung Composings In der Bildbearbeitung bedeutet Freistellen oft: den Hintergrund komplett zu entfernen oder das Motiv sauber auszuschneiden Moderne Software nutzt dafür häufig: KI-Auswahlwerkzeuge automatische Maskierung Hintergrundentfernung per AI Kurz gesagt: Freistellen trennt ein Motiv optisch oder technisch vom Hintergrund.
Frontfokus ist ein Autofokusfehler, bei dem die Kamera vor dem eigentlichen Motiv scharfstellt. Dadurch liegt die Schärfeebene näher an der Kamera als gewünscht. Besonders sichtbar wird Frontfokus bei: Offenblende Portraits Teleobjektiven geringer Schärfentiefe Typische Folgen: Augen unscharf Nase oder Vordergrund scharf insgesamt falsch wirkender Fokus Frontfokus trat besonders häufig bei älteren DSLRs mit separatem Phasen-Autofokus auf. Viele Kameras boten dafür: AF-Feinjustierung Mikroanpassungen Spiegellose Kameras haben dieses Problem deutlich seltener. Kurz gesagt: Frontfokus bedeutet, dass der Autofokus vor dem eigentlichen Motiv scharfstellt.
GAN steht für Generative Adversarial Network. Das ist eine ältere KI-Technik zur Bildgenerierung, die schon vor Stable Diffusion und modernen Diffusionsmodellen populär war. Ein GAN besteht vereinfacht aus zwei KI-Systemen: eines erzeugt Bilder das andere versucht Fehler darin zu erkennen Beide „konkurrieren“ ständig miteinander. Dadurch lernt die KI mit der Zeit immer realistischere Bilder zu erzeugen. GANs wurden früher oft genutzt für: Gesichter Deepfakes Upscaling Bildverbesserung Style-Transfer Bekannte Beispiele: StyleGAN StyleGAN2 ESRGAN Viele frühe KI-Bilder und virale „This Person Does Not Exist“-Gesichter basierten auf GAN-Technologie. Heute wurden GANs in vielen Bereichen von Diffusionsmodellen wie Stable Diffusion oder Flux verdrängt, weil diese: flexibler kontrollierbarer und qualitativ oft besser arbeiten. Trotzdem werden GANs weiterhin in einigen Spezialbereichen genutzt, besonders bei Upscaling und Bildverbesserung. Kurz gesagt: GANs waren die erste große Generation moderner KI-Bildgeneratoren — heute meist von Diffusionsmodellen abgelöst, aber technisch weiterhin wichtig.
Gegenlicht entsteht, wenn die Hauptlichtquelle direkt hinter oder gegenüber dem Motiv liegt. Typische Lichtquellen sind: Sonne Fenster starke Lampen Gegenlicht kann erzeugen: Silhouetten Lens Flares starke Kontraste atmosphärische Lichtstimmung Es wird häufig genutzt für: Portraits Cinematic Looks Sonnenuntergänge kreative Lichtstimmungen Der Nachteil: Gegenlicht kann zu Problemen führen wie: Überbelichtung Kontrastverlust Autofokusproblemen Lens Flares Fotografen nutzen oft: Belichtungskorrektur Reflektoren Aufhellblitze um das Motiv trotz Gegenlicht sichtbar zu halten. Kurz gesagt: Gegenlicht bedeutet, dass das Licht dem Motiv von hinten entgegenstrahlt.
Eine Gegenlichtblende ist ein Aufsatz am Objektiv, der seitlich einfallendes Licht abschirmt. Dadurch werden: Lens Flares Streulicht Kontrastverlust reduziert. Gegenlichtblenden verbessern oft: Bildkontrast Farbwiedergabe Bildklarheit Zusätzlich schützen sie das Objektiv häufig auch vor: Stößen Regen Fingerabdrücken Es gibt unterschiedliche Formen: rund tulpenförmig rechteckig Die Form hängt meist von der Brennweite und Objektivkonstruktion ab. Kurz gesagt: Eine Gegenlichtblende reduziert störendes Streulicht und schützt gleichzeitig das Objektiv.
Geotagging bedeutet, Standortinformationen direkt in Bilddateien zu speichern. Dabei werden meist GPS-Daten wie: Aufnahmeort Koordinaten Höhe oder Bewegungsdaten automatisch in die EXIF-Daten geschrieben. Geotagging wird häufig genutzt für: Reisefotografie Archivierung Kartenansichten Social Media Dokumentation Viele moderne: Kameras Smartphones Drohnen unterstützen Geotagging direkt oder über gekoppelte Apps. Der Vorteil: Fotos lassen sich später exakt einem Ort zuordnen. Der Nachteil: Standortdaten können Datenschutz- oder Sicherheitsprobleme verursachen, wenn Bilder öffentlich geteilt werden. Kurz gesagt: Geotagging speichert Ortsinformationen direkt innerhalb einer Bilddatei.
Ein Gobo ist eine Schablone oder Lichtmaske, die vor eine Lichtquelle gesetzt wird, um bestimmte Muster oder Formen zu projizieren. Dadurch lassen sich gezielt erzeugen: Schattenmuster Fensterlicht-Effekte Strukturen kreative Lichtformen Gobos werden häufig genutzt bei: Studiofotografie Film Theater Bühnenbeleuchtung Cinematic Portraits Die Muster können bestehen aus: Metall Glas Kunststoff Typische Effekte: Jalousien Fensterrahmen Blätter geometrische Formen Kurz gesagt: Ein Gobo formt Licht durch Schablonen und erzeugt gezielte Licht- und Schattenmuster.
Der Goldene Schnitt ist eine klassische Gestaltungsregel für harmonische Bildkompositionen. Dabei wird ein Bild in bestimmte proportionale Bereiche aufgeteilt, die als besonders ausgewogen und angenehm empfunden werden. Motive wirken oft natürlicher und spannender, wenn sie nicht exakt mittig platziert werden, sondern entlang dieser Linien oder Schnittpunkte. Der Goldene Schnitt wird häufig genutzt bei: Portraits Landschaften Architektur Kunst Film Die bekanntere und einfachere Variante in der Fotografie ist oft die: Drittelregel Der Goldene Schnitt gilt jedoch als etwas präziser und harmonischer. Kurz gesagt: Der Goldene Schnitt ist eine klassische Kompositionsregel für besonders ausgewogene und harmonische Bildaufbauten.
Eine Graukarte ist eine neutrale graue Referenzkarte, die für korrekte Belichtung und Farbkalibrierung genutzt wird. Sie hilft dabei: Weißabgleich präzise einzustellen Farben natürlicher darzustellen Belichtungsmessungen zu vereinfachen Die Karte besitzt meist einen neutralen Grauwert von 18 %, den Kameras und Belichtungsmesser als Referenz verwenden. Graukarten werden häufig genutzt bei: Studiofotografie Produktfotografie Filmproduktion professioneller Farbkorrektur Besonders bei schwierigem Licht sorgt eine Graukarte für: konsistente Farben realistische Hauttöne bessere Nachbearbeitung Kurz gesagt: Eine Graukarte dient als neutrale Referenz für korrekte Belichtung und Farbtreue.
Guidance Scale ist der technische Begriff für CFG. Er bestimmt, wie stark sich die KI an den Prompt halten soll. Kurz gesagt: Guidance Scale kontrolliert, wie streng die KI dem Prompt folgt.
Halluzination bezeichnet in der KI Fehler oder Inhalte, die von der KI „erfunden“ werden, obwohl sie eigentlich nicht korrekt sind. Bei KI-Bildern können das zum Beispiel sein: zusätzliche Finger unmögliche Anatomie falsche Objekte unlogische Hintergründe kaputte Perspektiven erfundene Details Auch Bildanalyse-Tools oder Prompt-Interpreter halluzinieren häufig: Sie erkennen Dinge im Bild, die gar nicht existieren. Halluzinationen entstehen oft durch: unklare Prompts schlechte Trainingsdaten komplexe Szenen zu aggressive Einstellungen oder einfach Grenzen des Modells Moderne Modelle halluzinieren meist weniger als ältere Stable-Diffusion-Versionen, komplett verschwunden ist das Problem aber bis heute nicht. Kurz gesagt: Halluzinationen sind KI-Fehler, bei denen Inhalte falsch erkannt oder komplett erfunden werden.
HDR steht für High Dynamic Range und beschreibt eine Technik, bei der mehrere unterschiedlich belichtete Bilder zu einem Bild mit erweitertem Dynamikumfang kombiniert werden. Dadurch bleiben gleichzeitig mehr Details sichtbar in: hellen Bereichen Schatten kontrastreichen Szenen HDR wird häufig genutzt bei: Landschaften Architektur Nachtaufnahmen Sonnenuntergängen Die Grundlage dafür ist meist eine Belichtungsreihe mit mehreren Aufnahmen. Moderne Kameras und Smartphones besitzen oft automatische HDR-Funktionen. Der Vorteil: Mehr Zeichnung in extremen Lichtbereichen. Der Nachteil: Übertriebenes HDR kann schnell unnatürlich wirken, mit: künstlichen Farben flachen Kontrasten typischem „HDR-Look“ Kurz gesagt: HDR kombiniert mehrere Belichtungen, um mehr Details in hellen und dunklen Bildbereichen sichtbar zu machen.
High-Key beschreibt einen hellen, weich ausgeleuchteten Bildstil mit wenigen dunklen Schatten. Typisch für High-Key-Aufnahmen sind: helle Hintergründe weiches Licht niedrige Kontraste freundliche oder elegante Stimmung High-Key wird häufig genutzt bei: Portraits Beauty Fashion Werbung Produktfotografie Die Bilder wirken oft: sauber leicht modern positiv Für High-Key-Setups verwendet man meist: starke Ausleuchtung Softboxen helle Hintergründe kontrollierte Schatten Kurz gesagt: High-Key ist ein heller Bildstil mit weichem Licht und wenigen dunklen Schatten.
Ein Histogramm ist eine grafische Darstellung der Helligkeitsverteilung eines Bildes. Es zeigt, wie viele Bildbereiche: dunkel mittelhell oder sehr hell sind. Typischer Aufbau: links = Schatten Mitte = Mitteltöne rechts = Highlights Fotografen nutzen Histogramme, um: Belichtung zu kontrollieren Überbelichtung zu vermeiden abgesoffene Schatten zu erkennen Dynamikumfang besser einzuschätzen Ein Histogramm bewertet dabei nicht die Bildgestaltung, sondern nur die Verteilung der Tonwerte. Moderne Kameras und Bildbearbeitungsprogramme zeigen Histogramme oft live an. Kurz gesagt: Ein Histogramm zeigt die Helligkeitsverteilung eines Bildes grafisch an.
Ein Hot Shoe ist der Zubehörschuh auf der Oberseite vieler Kameras. Darüber können Geräte direkt mit der Kamera verbunden werden, zum Beispiel: Aufsteckblitze Funktrigger Mikrofone LED-Lichter Zubehörmodule Der Hot Shoe besitzt elektrische Kontakte, über die die Kamera mit dem Zubehör kommuniziert. Dadurch können Funktionen wie: automatische Blitzsteuerung Synchronisation Stromversorgung ermöglicht werden. Fast alle modernen Systemkameras und DSLRs besitzen einen Hot Shoe. Kurz gesagt: Ein Hot Shoe ist der Anschluss auf der Kamera für Blitzgeräte und anderes Zubehör.
Hugging Face ist eine der wichtigsten Plattformen für KI-Modelle, Datensätze und AI-Entwicklung. Für viele Nutzer ist Hugging Face vor allem: Download-Plattform Modellarchiv Entwicklerplattform Community-Hub Dort findet man unter anderem: Stable-Diffusion-Modelle Flux-Modelle LoRAs Text-KIs CLIP-Modelle Forschungsprojekte Viele Tools wie: ComfyUI Draw Things InvokeAI Transformers-Bibliotheken laden Modelle direkt von Hugging Face herunter. Die Plattform ist besonders wichtig, weil sie: Open-Source-KI stark unterstützt Versionierung ermöglicht Entwickler-Tools bereitstellt KI-Projekte zentral zugänglich macht Der Nachteil: Die Qualität der Modelle schwankt stark. Zwischen echten High-End-Projekten liegen oft halbfertige Experimente, schlecht dokumentierte Uploads oder einfach nur Reuploads anderer Nutzer. Kurz gesagt: Hugging Face ist eine der wichtigsten Plattformen für KI-Modelle und Open-Source-AI — eine Art GitHub für moderne KI-Projekte.
Die hyperfokale Distanz ist die Fokusentfernung, bei der ein möglichst großer Bereich eines Bildes scharf erscheint. Wird auf diese Entfernung fokussiert, reicht die Schärfe ungefähr: von der halben Fokusdistanz bis unendlich Die hyperfokale Distanz hängt ab von: Brennweite Blende Sensorgröße Sie wird besonders genutzt bei: Landschaftsfotografie Architektur Street Photography Nachtaufnahmen Dadurch kann man möglichst viel Tiefenschärfe erreichen, ohne exakt auf einzelne Motive fokussieren zu müssen. Kurz gesagt: Die hyperfokale Distanz maximiert den scharf wirkenden Bereich eines Bildes.
Hypernetworks sind eine ältere Methode, um KI-Modelle um zusätzliche Stile oder Eigenschaften zu erweitern. Sie funktionieren ähnlich wie LoRAs: Das eigentliche Modell bleibt erhalten und wird durch eine zusätzliche Datei beeinflusst. Hypernetworks wurden früher oft genutzt für: bestimmte Artstyles Gesichter Anime-Looks Lighting Bildstimmungen Vor allem in den frühen Stable-Diffusion-Zeiten waren sie relativ populär. Der Nachteil: Hypernetworks galten oft als: instabiler schwerer kontrollierbar langsamer und speicherhungriger als moderne LoRAs. Deshalb wurden sie später in vielen Bereichen von: LoRAs LyCORIS DoRA abgelöst. Heute tauchen Hypernetworks meist nur noch in älteren Workflows oder Archiven auf. Kurz gesagt: Hypernetworks waren eine frühe Technik zur Erweiterung von KI-Modellen und gelten als Vorläufer moderner LoRA-Systeme.
Illustrious ist ein modernes KI-Modell beziehungsweise eine Modellfamilie für stilisierte und illustrative Bildgenerierung. Besonders beliebt ist es für Anime-, Semi-Realistic- und hochwertige Character-Art. Das Modell wurde darauf optimiert: Prompts sehr genau zu verstehen saubere Gesichter und Augen zu erzeugen komplexe Charakterdesigns besser umzusetzen mit Danbooru-Tags und gewichteten Begriffen gut zu funktionieren Im Gegensatz zu vielen älteren Anime-Modellen wirken Illustrious-Bilder oft: detaillierter moderner weniger „plastikartig“ stilistisch kontrollierter Viele Nutzer kombinieren Illustrious zusätzlich mit LoRAs für: bestimmte Artstyles Charaktere Kleidung Lighting Expressions Je nach Version existieren auch Mischformen zwischen Anime und Semi-Realism. Kurz gesagt: Illustrious gehört zu den modernen High-End-Modellen für stilisierte Character-Art und Anime-Workflows.
Ein Image Interpreter analysiert ein Bild und versucht zu erkennen, was darauf zu sehen ist. Die KI beschreibt dabei zum Beispiel: Personen Kleidung Farben Perspektive Lighting Kunststil Kameraeffekte Oft erzeugt sie daraus automatisch einen möglichen Prompt für KI-Bildgeneratoren. Das wird genutzt um: Bildstile zu analysieren Prompts aus vorhandenen Bildern zu erstellen Referenzbilder besser zu verstehen erfolgreiche Looks nachzubauen Die Ergebnisse sind allerdings nicht perfekt. Viele Interpreter: halluzinieren Details erkennen Stimmungen falsch erzeugen viel zu generische Prompts oder werfen wahllos Buzzwords zusammen Gerade komplexe Bildstile lassen sich damit oft nur grob erfassen. Kurz gesagt: Ein Image Interpreter versucht, ein Bild automatisch in einen beschreibenden KI-Prompt umzuwandeln.
Img2Img ist eine Technik, bei der ein vorhandenes Bild als Grundlage für eine neue KI-Generierung verwendet wird. Die KI verändert dabei das Originalbild abhängig vom Prompt und den Einstellungen. Typische Anwendungen: Stiländerungen neue Lighting-Stimmungen Kleidung ändern Hintergründe austauschen Gesichter verbessern Kurz gesagt: Img2Img erzeugt neue Bilder auf Basis eines bestehenden Bildes statt komplett aus Zufallsrauschen.
Imagen ist Googles KI-Modellreihe zur Bildgenerierung aus Texteingaben. Das Modell wurde besonders bekannt für: sehr gutes Sprachverständnis realistische Bildqualität starke Textdarstellung im Bild natürlich wirkende Kompositionen Imagen gilt als einer der wichtigsten Konkurrenten zu: DALL·E Midjourney Stable Diffusion Flux Spätere Varianten wurden direkt in Googles Gemini-Plattform integriert und bilden die Grundlage moderner Google-Bildgeneratoren wie Nano Banana. Im Gegensatz zu vielen klassischen Stable-Diffusion-Workflows setzt Imagen stärker auf: natürliche Sprache einfache Bedienung cloudbasierte Nutzung statt auf technische Detailkontrolle. Der Nachteil: Viele Imagen-Versionen waren lange Zeit nur eingeschränkt öffentlich verfügbar oder primär in Google-Produkten integriert. Kurz gesagt: Imagen ist Googles KI-Bildgenerator-Reihe mit starkem Fokus auf realistisches Rendering und natürliches Sprachverständnis.
Inference bezeichnet den eigentlichen Prozess der Bildgenerierung mit einem fertigen KI-Modell. Das Training ist dabei bereits abgeschlossen. Kurz gesagt: Inference ist die Nutzung eines trainierten KI-Modells zur Bilderzeugung.
Inpainting ist eine Technik, bei der nur ein bestimmter Bereich eines Bildes von der KI verändert wird, statt das komplette Bild neu zu generieren. Dafür markiert man einen Bereich mit einer Maske, zum Beispiel: Gesicht Hände Kleidung Hintergrund einzelne Objekte Die KI ersetzt oder ergänzt dann nur diesen ausgewählten Bereich. Typische Anwendungen: Fehler korrigieren Hände reparieren Kleidung ändern Objekte entfernen Hintergründe austauschen Details verbessern Wie stark das Bild verändert wird, hängt von den Einstellungen und der Maskierung ab. Schlechte Inpainting-Modelle verändern oft zu viel vom Originalbild. Kurz gesagt: Inpainting ist gezielte KI-Bearbeitung einzelner Bildbereiche statt kompletter Neugenerierung.
Eine Intervallaufnahme erstellt automatisch Fotos in festgelegten Zeitabständen. Die Kamera nimmt dabei zum Beispiel: alle paar Sekunden Minuten oder Stunden ein Bild auf. Intervallaufnahmen werden häufig genutzt für: Timelapse-Videos Sonnenuntergänge Wolkenbewegungen Sternenhimmel Baustellen-Dokumentation Pflanzenwachstum Viele moderne Kameras besitzen dafür einen integrierten Intervall-Timer oder unterstützen externe Fernauslöser. Der Vorteil: Lange Prozesse lassen sich automatisiert dokumentieren. Kurz gesagt: Eine Intervallaufnahme erstellt automatisch Bilder in regelmäßigen Zeitabständen.
InvokeAI ist ein Tool zur lokalen KI-Bildgenerierung mit Fokus auf strukturierte Workflows und professionelle Bildbearbeitung. Im Gegensatz zu vielen chaotisch gewachsenen Stable-Diffusion-UIs versucht InvokeAI: aufgeräumter kontrollierter und produktionsorientierter zu wirken. Das Tool unterstützt unter anderem: SDXL Flux LoRAs Inpainting ControlNet nodebasierte Workflows Besonders bekannt ist InvokeAI für: seine Canvas- und Layer-Funktionen sauberes Inpainting professionelle Workflow-Ideen gute Organisation komplexer Projekte Der Nachteil: Die Entwicklung wirkt manchmal langsamer als bei Konkurrenzprojekten und auf schwächerer Hardware — besonders auf Macs — kann InvokeAI spürbar träger sein als andere Tools. Viele Nutzer sehen InvokeAI deshalb eher als „Studio-Workflow-Tool“ statt als schnelle Experimentierumgebung. Kurz gesagt: InvokeAI verbindet klassische Bildbearbeitung mit KI-Workflows und richtet sich eher an strukturierte, produktionsnahe Arbeit als an reines Prompt-Chaos.
IP-Adapter ist eine Technik, mit der KI-Modelle Referenzbilder besser verstehen und übernehmen können. Damit lassen sich: Gesichter Stile Kleidung Bildstimmungen deutlich konsistenter übertragen. Besonders wichtig für: Character Consistency Style Transfer Serienbilder Kurz gesagt: IP-Adapter hilft der KI, Referenzbilder gezielter für Stil und Charaktere zu nutzen.
ISO beschreibt die Lichtempfindlichkeit des Kamerasensors. Niedrige ISO-Werte: benötigen mehr Licht liefern meist sauberere Bilder erzeugen weniger Bildrauschen Hohe ISO-Werte: machen den Sensor empfindlicher ermöglichen Aufnahmen bei wenig Licht erhöhen aber oft das Bildrauschen Typische Werte: ISO 100 → helles Tageslicht ISO 800–3200 → Innenräume oder Nacht noch höhere Werte → extreme Low-Light-Situationen ISO gehört zusammen mit: Blende Belichtungszeit zum sogenannten Belichtungsdreieck. Moderne Kameras besitzen deutlich bessere High-ISO-Leistung als ältere Modelle. Kurz gesagt: ISO bestimmt, wie empfindlich der Kamerasensor auf Licht reagiert.
JPEG ist eines der bekanntesten und am häufigsten verwendeten Bildformate in der Fotografie. Der Name steht für Joint Photographic Experts Group. JPEG-Dateien sind: platzsparend schnell weit kompatibel Deshalb werden sie häufig genutzt für: Social Media Webseiten Alltag schnelle Weitergabe von Fotos JPEG verwendet allerdings eine verlustbehaftete Komprimierung. Dabei gehen Bildinformationen verloren, besonders bei: starker Bearbeitung mehrfachen Speicherungen Im Vergleich zu RAW-Dateien bietet JPEG: kleinere Dateien aber weniger Reserven für Nachbearbeitung Viele Kameras erzeugen JPEGs direkt fertig bearbeitet mit: Kontrast Farben Schärfung Kurz gesagt: JPEG ist ein kompaktes Standard-Bildformat mit guter Kompatibilität, aber reduzierten Bearbeitungsreserven.
Kalibrierung bedeutet, Geräte auf möglichst korrekte und konsistente Darstellung einzustellen. In der Fotografie betrifft das vor allem: Monitore Drucker Kameras Farbmanagement-Systeme Bei der Monitorkalibrierung werden unter anderem angepasst: Helligkeit Kontrast Farbtemperatur Farbdarstellung Das Ziel: Bilder sollen auf verschiedenen Geräten möglichst gleich aussehen. Ohne Kalibrierung können Fotos: zu dunkel zu bunt farbstichig oder im Druck völlig anders wirken. Für professionelle Farbgenauigkeit werden häufig Hardware-Kalibrierungsgeräte verwendet. Kurz gesagt: Kalibrierung sorgt für möglichst korrekte und konsistente Bild- und Farbdarstellung auf Geräten.
Kantenaufsteilung bezeichnet eine Technik der Bildschärfung, bei der Kontraste an Bildkanten verstärkt werden. Dadurch wirken: Details schärfer Konturen klarer Bilder insgesamt knackiger Die Technik wird häufig genutzt bei: digitaler Bildbearbeitung Kamerainterner Schärfung RAW-Entwicklung Druckvorbereitung Kantenaufsteilung erhöht gezielt den Unterschied zwischen hellen und dunklen Bereichen an Objektkanten. Zu starke Kantenaufsteilung kann allerdings sichtbare Artefakte erzeugen, zum Beispiel: Halos überschärfte Konturen unnatürliche Details Programme wie: Adobe Photoshop Adobe Lightroom verwenden verschiedene Methoden der Kantenaufsteilung zur Bildschärfung. Kurz gesagt: Kantenaufsteilung verstärkt Kontraste an Bildkanten, damit Bilder schärfer wirken.
Karras ist ein spezieller Scheduler beziehungsweise Noise Schedule für KI-Bildgeneratoren. Er bestimmt, wie das Bildrauschen während der Generierung reduziert wird und beeinflusst dadurch: Detailaufbau Schärfe Kontrast Bildstabilität Karras wird häufig mit Samplern kombiniert, zum Beispiel: DPM++ Euler UniPC Viele Nutzer bevorzugen Karras, weil damit oft: sauberere Details stabilere Anatomie harmonischere Bilder bessere High-End-Render entstehen. Besonders bei: SDXL Portraits realistischer Bildgenerierung ist Karras sehr beliebt. Der Nachteil: Nicht jedes Modell reagiert gleich gut auf Karras und manche Workflows wirken damit zu weich oder zu „perfekt“. Kurz gesagt: Karras ist ein beliebter Noise Schedule, der die Bildentwicklung kontrolliert und oft für besonders saubere und hochwertige Ergebnisse sorgt.
Kelvin ist die Maßeinheit für Farbtemperatur in der Fotografie und Beleuchtung. Der Kelvin-Wert beschreibt, ob Licht: warm neutral oder kühl wirkt. Niedrige Kelvin-Werte: warmes, orangefarbenes Licht Hohe Kelvin-Werte: kühles, bläuliches Licht Beispiele: Kerzenlicht → ca. 1800K Glühlampe → ca. 3200K Tageslicht → ca. 5500K bewölkter Himmel → ca. 6500K+ Kelvin spielt eine wichtige Rolle bei: Weißabgleich Studiofotografie Filmlicht Farbgestaltung Viele Kameras erlauben eine direkte Einstellung der Farbtemperatur in Kelvin. Kurz gesagt: Kelvin beschreibt die Farbtemperatur einer Lichtquelle und damit die Farbwirkung des Lichts.
Das Kleinbild-Äquivalent beschreibt die Umrechnung einer Brennweite auf das klassische 35mm-Vollformat (Kleinbild). Da Sensorgrößen unterschiedlich sind, wirkt eine gleiche Brennweite je nach Kamera unterschiedlich weitwinklig oder telelastig. Beispiel: 25mm auf APS-C ≈ 35–38mm Kleinbild-Äquivalent 25mm auf Micro Four Thirds ≈ 50mm Kleinbild-Äquivalent Das Kleinbild-Äquivalent hilft dabei: Objektive besser zu vergleichen Bildwinkel einzuordnen Brennweiten systemübergreifend zu verstehen Es wird besonders wichtig bei: APS-C Micro Four Thirds Kompaktkameras Kurz gesagt: Das Kleinbild-Äquivalent beschreibt die umgerechnete Brennweite im Vergleich zum Vollformat.
Klemmschärfe bezeichnet eine unnatürlich harte oder überschärfte Bildwirkung, die oft durch zu starke digitale Nachschärfung entsteht. Dabei wirken: Konturen übertrieben hart Details künstlich Haut unnatürlich feine Übergänge zerstört Typische Anzeichen sind: Halos an Kanten „knackige“ Doppelkonturen überschärfte Texturen aggressiver Detail-Look Klemmschärfe entsteht häufig durch: zu starke Schärfung übertriebene KI-Optimierung aggressive JPEG-Verarbeitung starke Klarheit- oder Struktur-Regler Besonders bei Portraits wirkt Klemmschärfe oft schnell: künstlich digital oder unangenehm hart. Kurz gesagt: Klemmschärfe beschreibt eine übertrieben harte und künstlich wirkende Bildschärfe durch zu starke Nachbearbeitung.
Eine Kompaktkamera ist eine kleine, leicht transportierbare Kamera mit fest verbautem Objektiv. Sie wurde entwickelt für: einfache Bedienung Reisen Alltag spontane Aufnahmen Typische Merkmale: kleines Gehäuse integriertes Zoomobjektiv automatische Aufnahmeprogramme geringes Gewicht Im Vergleich zu Smartphones bieten viele Kompaktkameras: bessere Optik optischen Zoom größere Sensoren mehr manuelle Kontrolle Im Vergleich zu Systemkameras sind sie allerdings meist: weniger flexibel schwächer bei Low-Light eingeschränkter bei Objektivwahl Hochwertige Premium-Kompaktkameras besitzen teilweise: große Sensoren lichtstarke Objektive professionelle Funktionen Kurz gesagt: Eine Kompaktkamera ist eine kleine All-in-One-Kamera mit festem Objektiv für unkompliziertes Fotografieren.
Kontrast beschreibt den Unterschied zwischen hellen und dunklen Bereichen eines Bildes. Hoher Kontrast: starke Unterschiede zwischen Licht und Schatten wirkt oft dramatisch und kräftig Niedriger Kontrast: weichere Übergänge ruhiger oder flacher Bildlook Kontrast beeinflusst stark: Bildwirkung Stimmung Tiefenwirkung Detailwahrnehmung Besonders wichtig ist Kontrast bei: Schwarzweiß-Fotografie Portraits Cinematic Looks Gegenlicht Kontrast kann: direkt bei der Aufnahme oder später in der Bildbearbeitung angepasst werden. Kurz gesagt: Kontrast beschreibt die Stärke der Helligkeitsunterschiede innerhalb eines Bildes.
Der Kreis der Verwirrung beschreibt in der Fotografie, wie unscharf ein Punkt werden darf, bevor das menschliche Auge ihn als unscharf wahrnimmt. Er spielt eine wichtige Rolle bei: Schärfentiefe Fokusberechnung hyperfokaler Distanz Ein Motivpunkt wird auf dem Sensor nicht immer als perfekter Punkt dargestellt, sondern oft als kleiner unscharfer Kreis. Solange dieser Kreis klein genug bleibt, wirkt das Bild für den Betrachter trotzdem scharf. Der zulässige Kreis der Verwirrung hängt unter anderem ab von: Sensorgröße Betrachtungsabstand Bildgröße Kurz gesagt: Der Kreis der Verwirrung beschreibt die maximal akzeptable Unschärfe eines Bildpunkts, bevor er sichtbar unscharf wirkt.
Eine Langzeitbelichtung verwendet eine besonders lange Belichtungszeit, damit der Sensor über einen längeren Zeitraum Licht aufnimmt. Dadurch entstehen Effekte wie: weiches Wasser Lichtspuren Bewegungsunschärfe sichtbare Sternenspuren Langzeitbelichtungen werden häufig genutzt bei: Nachtfotografie Landschaften Astrofotografie Lightpainting Stadtaufnahmen Da schon kleine Bewegungen zu Verwacklungen führen können, verwendet man meist: ein Stativ Fernauslöser oder den Selbstauslöser Oft kommen zusätzlich ND-Filter zum Einsatz, um auch bei Tageslicht lange Belichtungszeiten zu ermöglichen. Kurz gesagt: Eine Langzeitbelichtung nimmt Licht über einen längeren Zeitraum auf und erzeugt dadurch spezielle Bewegungs- und Lichteffekte.
In der Fotografie und Videotechnik bezeichnet Lärm meist unerwünschte Störungen oder Ablenkungen innerhalb eines Bildes oder einer Aufnahme. Im visuellen Bereich wird damit häufig gemeint: Bildrauschen digitale Artefakte störende Strukturen unruhige Hintergründe Im Audiobereich beschreibt Lärm: störende Umgebungsgeräusche Windrauschen Technikgeräusche unerwünschten Ton Besonders in der Bildgestaltung spricht man manchmal auch von „visuellem Lärm“, wenn ein Bild: überladen chaotisch oder zu unruhig wirkt. Kurz gesagt: Lärm bezeichnet störende visuelle oder akustische Elemente, die die Wirkung einer Aufnahme beeinträchtigen können.
Der Latent Space ist die unsichtbare, komprimierte Zwischenwelt, in der KI-Modelle Bilder intern verarbeiten. Die KI arbeitet dort nicht direkt mit fertigen Pixelbildern, sondern mit vereinfachten mathematischen Bildinformationen. Kurz gesagt: Der Latent Space ist der interne Arbeitsbereich eines KI-Modells.
Latent Upscale vergrößert ein Bild direkt im Latent Space statt erst nach dem fertigen Rendering. Dadurch bleiben oft: Details Strukturen Bildqualität besser erhalten. Kurz gesagt: Latent Upscale skaliert Bilder bereits während der KI-Berechnung hoch.
LDM steht für Latent Diffusion Model. Das ist die technische Grundlage vieler moderner KI-Bildgeneratoren wie Stable Diffusion. Der entscheidende Unterschied: Die KI arbeitet nicht direkt mit kompletten Bildern, sondern mit einer stark komprimierten Zwischenform — dem sogenannten Latent Space. Dadurch wird die Bildgenerierung: schneller effizienter speicherschonender Erst am Ende wird diese komprimierte Darstellung wieder in ein sichtbares Bild umgewandelt. Ohne dieses Prinzip wären moderne KI-Modelle wie: Stable Diffusion SDXL viele Flux-Workflows auf normaler Hardware kaum nutzbar. Der Vorteil: LDMs benötigen deutlich weniger Rechenleistung als ältere Ansätze. Der Nachteil: Die Technik ist komplex und für normale Nutzer meist eher Hintergrundwissen. Kurz gesagt: LDMs sind die technische Basis moderner Diffusionsmodelle und machen schnelle KI-Bildgenerierung auf normaler Hardware überhaupt erst möglich.
Licht ist die wichtigste Grundlage der Fotografie, denn ohne Licht entsteht kein Bild. Es bestimmt unter anderem: Helligkeit Farben Kontraste Stimmung Tiefenwirkung Die Qualität des Lichts beeinflusst stark, wie ein Foto wirkt. Wichtige Eigenschaften von Licht sind: Richtung Härte Farbe Intensität Natürlichkeit Fotografen arbeiten mit: natürlichem Licht Blitzlicht Dauerlicht Reflektoren Lichtformern Je nach Licht kann ein Bild: weich dramatisch cineastisch freundlich oder düster wirken. Kurz gesagt: Licht bestimmt die Sichtbarkeit, Stimmung und gesamte Wirkung eines Fotos.
Lichtstärke beschreibt, wie viel Licht ein Objektiv maximal durchlassen kann. Sie wird über die größte mögliche Blendenöffnung angegeben, zum Beispiel: f/1.2 f/1.8 f/2.8 Je kleiner die Zahl, desto lichtstärker ist das Objektiv. Lichtstarke Objektive bieten: bessere Low-Light-Performance kürzere Belichtungszeiten stärkere Hintergrundunschärfe ausgeprägteres Bokeh Besonders beliebt sind sie bei: Portraits Reportage Konzertfotografie Nachtaufnahmen Der Nachteil: Sehr lichtstarke Objektive sind oft: größer schwerer teurer Kurz gesagt: Die Lichtstärke beschreibt, wie viel Licht ein Objektiv maximal auf den Sensor lassen kann.
Ein Lichtzelt ist ein kleiner, meist weißer oder halbtransparenter Aufnahmeraum zur gleichmäßigen Ausleuchtung von Objekten. Es wird vor allem genutzt für: Produktfotografie Makro Schmuck kleine Gegenstände Online-Shops Die halbtransparenten Wände streuen das Licht und reduzieren: harte Schatten Spiegelungen starke Kontraste Dadurch entstehen: weiche Lichtverhältnisse saubere Freistellungen gleichmäßige Produktbilder Lichtzelte werden oft mit: Dauerlicht LED-Panels kleinen Studioblitzen kombiniert. Kurz gesagt: Ein Lichtzelt sorgt für weiche und gleichmäßige Beleuchtung bei kleinen Produkt- oder Detailaufnahmen.
Live View ist der Kameramodus, bei dem das Bild direkt in Echtzeit auf dem Display angezeigt wird. Dabei wird das Signal direkt vom Sensor genutzt, statt durch den optischen Sucher zu schauen. Live View wird häufig genutzt für: Bildkomposition auf dem Display Videoaufnahmen Stativarbeit Makrofotografie manuelles Fokussieren Typische Vorteile: exakte Belichtungsvorschau Fokus-Peaking möglich vergrößerte Ansicht für präzises Fokussieren Der Nachteil: höherer Akkuverbrauch teilweise langsamere Reaktion bei älteren Kameras Kurz gesagt: Live View zeigt das Kamerabild in Echtzeit auf dem Display statt durch den Sucher.
LoRA steht für Low-Rank Adaptation. Das ist eine kleine Zusatzdatei, die einem KI-Modell neue Fähigkeiten oder Stile beibringt, ohne das komplette Modell verändern zu müssen. Mit einer LoRA kann man zum Beispiel: bestimmte Personen trainieren spezielle Kleidungsstile erzeugen einen bestimmten Zeichenstil nachahmen Posen, Gesichtstypen oder Lichtstimmungen verstärken LoRAs werden zusätzlich zum normalen Modell geladen und beeinflussen das Ergebnis je nach Stärke. Beispiel: Ein realistisches Basemodel kann durch eine Anime-LoRA plötzlich Manga-artige Bilder erzeugen — oder umgekehrt. Der große Vorteil: LoRAs sind klein, schnell und flexibel. Statt jedes Mal ein komplett neues Modell herunterzuladen, erweitert man einfach das bestehende Modell. Kurz gesagt: Eine LoRA ist wie ein zusätzlicher Filter oder ein kleines Spezialpaket für die KI.
Low-Key beschreibt einen dunklen, kontrastreichen Bildstil mit vielen Schatten und gezielt eingesetztem Licht. Typisch für Low-Key-Aufnahmen sind: dunkle Hintergründe starke Licht-Schatten-Kontraste reduzierte Ausleuchtung dramatische Stimmung Low-Key wird häufig genutzt bei: Portraits Film Noir Cinematic Photography Charakterportraits Fine Art Der Stil lenkt den Blick oft gezielt auf: Gesichter Formen Lichtkanten einzelne Details Für Low-Key-Setups arbeiten Fotografen häufig mit: gerichteten Lichtquellen kontrollierter Ausleuchtung schwarzen Hintergründen Kurz gesagt: Low-Key ist ein dunkler Bildstil mit starken Schatten und dramatischer Lichtwirkung.
Eine LUT ist eine Farbzuordnungstabelle, die Bild- oder Videofarben nach einem festen Schema verändert. Sie funktioniert wie eine Art „Farbübersetzer“: Eingabefarben werden automatisch in andere Ausgabefarben umgerechnet. LUTs werden häufig genutzt für: Color Grading in Videos Cinematic Looks einheitliche Bildstile schnelle Farblooks in der Nachbearbeitung Typische Anwendungen: Filmproduktion Musikvideos Social Media Content Fotografie-Serien mit einheitlichem Look Vorteile: schnelle und konsistente Farblooks einfache Anwendung gut reproduzierbare Ergebnisse Nachteil: wenig flexible Anpassung ohne zusätzliche Bearbeitung falsche LUTs können Hauttöne oder Kontraste zerstören Kurz gesagt: Eine LUT verändert Farben nach einem festen Schema und wird für schnelle, konsistente Farblooks genutzt.
Lux ist eine Maßeinheit für Beleuchtungsstärke. Sie beschreibt, wie viel Licht auf eine bestimmte Fläche trifft. Je höher der Lux-Wert: desto heller ist die Umgebung oder Lichtquelle Lux wird häufig genutzt bei: Studiolicht Filmbeleuchtung LED-Panels Produktvergleichen Lichtmessungen Beispiele: Kerzenlicht → sehr wenige Lux Bürobeleuchtung → einige hundert Lux direktes Sonnenlicht → viele tausend Lux Lux beeinflusst unter anderem: Belichtung ISO-Wahl Lichtsetzung Bildqualität bei wenig Licht Kurz gesagt: Lux misst die Stärke des Lichts, das auf eine Fläche trifft.
LyCORIS ist eine erweiterte Variante von LoRA-Techniken für KI-Modelle. Der Name steht für Lora beYond Conventional methods, Other Rank adaptation Implementations for Stable diffusion. Vereinfacht gesagt: LyCORIS versucht, flexibler und leistungsfähiger zu sein als klassische LoRAs. Damit lassen sich oft: komplexere Stile feinere Details bessere Charaktermerkmale stärkere Stilübernahmen trainieren. Für normale Nutzer fühlt sich LyCORIS meist ähnlich an wie eine LoRA: Datei laden Gewicht einstellen im Prompt verwenden Technisch arbeitet LyCORIS aber mit erweiterten Trainingsmethoden, die je nach Modell bessere Ergebnisse liefern können. Der Nachteil: Nicht jedes Tool oder Modell unterstützt jede LyCORIS-Variante sauber. Außerdem ist der Unterschied zu normalen LoRAs für Anfänger oft kaum sichtbar. Kurz gesagt: LyCORIS ist eine modernere und flexiblere Weiterentwicklung klassischer LoRA-Techniken für KI-Modelle.
Makrofotografie beschäftigt sich mit extremen Nahaufnahmen kleiner Motive. Dabei werden Details sichtbar, die mit bloßem Auge oft kaum auffallen. Typische Motive: Insekten Pflanzen Wassertropfen Schmuck Texturen kleine Objekte Makroaufnahmen benötigen häufig: spezielle Makroobjektive sehr präzisen Fokus gute Ausleuchtung kleine Blenden für mehr Tiefenschärfe Da der Schärfebereich extrem klein wird, sind Verwacklungen besonders kritisch. Viele Makrofotografen arbeiten deshalb mit: Stativen Fokus-Bracketing zusätzlichem Licht Kurz gesagt: Makrofotografie zeigt kleine Motive in starker Vergrößerung und mit extrem vielen Details.
MF steht für Manual Focus, also manueller Fokus. Dabei stellt der Fotograf die Schärfe selbst am Fokusring des Objektivs ein, statt den Autofokus der Kamera zu nutzen. Manueller Fokus wird häufig verwendet bei: Makrofotografie Video Astrofotografie Studioaufnahmen schwierigen Lichtverhältnissen Viele Fotografen bevorzugen MF außerdem bei: Vintage-Objektiven Cine-Lenses kreativer Arbeit mit geringer Tiefenschärfe Moderne Kameras bieten oft Hilfen wie: Fokus-Peaking Suchervergrößerung digitale Fokusunterstützung Der Vorteil: Maximale Kontrolle über die Schärfe. Der Nachteil: Manuelles Fokussieren ist langsamer und schwieriger bei schnellen Motiven. Kurz gesagt: Beim manuellen Fokus stellt der Fotograf die Schärfe selbst per Hand ein.
Im manuellen Modus stellt der Fotograf alle wichtigen Belichtungswerte selbst ein. Dazu gehören: Blende Belichtungszeit ISO Die Kamera nimmt dabei keine automatische Belichtungskorrektur vor. Der manuelle Modus wird häufig genutzt bei: Studiofotografie Nachtfotografie Video Langzeitbelichtungen kontrollierten Lichtbedingungen Der Vorteil: Maximale Kontrolle über Bildlook und Belichtung. Der Nachteil: Falsche Einstellungen führen schnell zu über- oder unterbelichteten Bildern. Viele Fotografen nutzen den manuellen Modus, wenn konstante Ergebnisse wichtiger sind als Geschwindigkeit. Kurz gesagt: Im manuellen Modus kontrolliert der Fotograf alle Belichtungseinstellungen selbst.
Masking bedeutet, bestimmte Bildbereiche gezielt auszuwählen oder zu schützen. Masken werden häufig genutzt für: Inpainting Hintergrundbearbeitung Objektänderungen regionale Effekte Weiße Bereiche werden meist bearbeitet, schwarze bleiben unverändert. Kurz gesagt: Masking bestimmt, welche Teile eines Bildes von der KI verändert werden dürfen.
Megapixel geben an, aus wie vielen Millionen Bildpunkten ein Kamerasensor besteht. Beispiel: 24 Megapixel = ungefähr 24 Millionen Pixel Mehr Megapixel ermöglichen: höhere Auflösung größere Ausdrucke stärkere Bildausschnitte ohne Qualitätsverlust Die Megapixelzahl allein bestimmt allerdings nicht automatisch die Bildqualität. Wichtiger sind oft zusätzlich: Sensorgröße Objektivqualität Dynamikumfang Low-Light-Performance Sehr hohe Auflösungen erzeugen außerdem: größere Dateien höheren Speicherbedarf mehr Rechenaufwand Kurz gesagt: Megapixel beschreiben die Bildauflösung einer Kamera in Millionen Pixeln.
Metadaten sind zusätzliche Informationen, die zusammen mit einer Bilddatei gespeichert werden. Dazu gehören zum Beispiel: Kamera-Modell Objektiv Blende ISO Belichtungszeit Aufnahmedatum GPS-Daten Copyright-Informationen Metadaten helfen bei: Bildverwaltung Archivierung Suchfunktionen Analyse von Aufnahmen Bekannte Metadatenformate sind: EXIF IPTC XMP Auch Bildbearbeitungsprogramme speichern oft Bearbeitungsinformationen als Metadaten. Der Nachteil: Metadaten können sensible Informationen wie Standortdaten enthalten. Kurz gesagt: Metadaten sind zusätzliche technische und organisatorische Informationen innerhalb einer Bilddatei.
Micro Four Thirds ist ein Kamerasystem mit kleinerem Bildsensor, das gemeinsam von Olympus und Panasonic entwickelt wurde. Der Sensor ist kleiner als: APS-C Vollformat Dadurch können Kameras und Objektive: kompakter leichter und oft günstiger gebaut werden. MFT-Kameras sind besonders beliebt bei: Reisen Street Photography Wildlife Video leichtem Equipment Durch den Crop-Faktor von 2x wirken Brennweiten länger. Beispiel: 25mm auf MFT ≈ 50mm auf Vollformat Der Nachteil: Im Vergleich zu größeren Sensoren bieten MFT-Systeme meist: weniger Freistellung etwas schwächere Low-Light-Performance geringeren Dynamikumfang Kurz gesagt: Micro Four Thirds ist ein kompaktes Kamerasystem mit kleinerem Sensor und leichtem Equipment.
Midjourney ist einer der bekanntesten KI-Bildgeneratoren überhaupt und wurde vor allem durch seine stark stilisierten, oft cineastischen Bilder populär. Im Gegensatz zu vielen lokalen Stable-Diffusion-Tools läuft Midjourney vollständig in der Cloud und wurde lange hauptsächlich über Discord genutzt. Bekannt ist Midjourney besonders für: starke Bildästhetik cinematic lighting kreative Kompositionen atmosphärische Szenen schnellen „Wow-Effekt“ Viele Bilder wirken bereits ohne große Nachbearbeitung: detailreich kontraststark filmisch kunstvoll inszeniert Der Nachteil: Midjourney bietet deutlich weniger technische Kontrolle als lokale Tools. Dinge wie: genaue Seeds komplexe Workflows Custom Nodes ControlNet eigenes Modelltraining sind nur eingeschränkt oder gar nicht möglich. Außerdem entwickeln viele Midjourney-Bilder einen typischen „Midjourney-Look“, den erfahrene Nutzer schnell erkennen. Kurz gesagt: Midjourney setzt stark auf beeindruckende Bildästhetik und einfache Bedienung statt auf maximale technische Kontrolle.
Eine Mittelformatkamera besitzt einen größeren Bildsensor als Vollformatkameras. Der größere Sensor ermöglicht häufig: extrem hohe Bildqualität sehr hohen Dynamikumfang feine Details natürliche Übergänge besondere Freistellung Mittelformat wird besonders genutzt bei: Fashion Werbung Studiofotografie Fine Art Landschaften Typische Eigenschaften: hohe Auflösung große Dateien sehr detailreiche Bilder charakteristischer Bildlook Der Nachteil: Mittelformatkameras sind meist: teuer größer schwerer langsamer als kleinere Systeme Deshalb werden sie eher für kontrollierte Produktionen als für schnelle Actionfotografie genutzt. Kurz gesagt: Mittelformatkameras nutzen besonders große Sensoren für maximale Bildqualität und Detailtreue.
Beim Model Merge (Checkpoint Merge) werden mehrere KI-Modelle miteinander kombiniert. Dadurch entstehen Mischmodelle mit: neuen Stilen anderen Farblooks kombinierter Prompt-Treue veränderter Bildqualität Viele Community-Checkpoints basieren auf solchen Mischungen. Kurz gesagt: Model Merging kombiniert mehrere KI-Modelle zu einem neuen Hybrid-Modell.
Ein Motivprogramm ist eine automatische Kameraeinstellung für bestimmte Aufnahmesituationen. Die Kamera passt dabei selbstständig: Belichtung Fokus Farben Verschlusszeit ISO an das gewählte Motiv an. Typische Motivprogramme: Portrait Landschaft Sport Nachtaufnahme Makro Dadurch sollen auch Anfänger schnell passende Ergebnisse erhalten, ohne manuelle Einstellungen verstehen zu müssen. Der Vorteil: Einfaches Fotografieren in typischen Situationen. Der Nachteil: Weniger kreative Kontrolle und oft unflexibler als manuelle Einstellungen. Kurz gesagt: Motivprogramme sind automatische Kameraeinstellungen für bestimmte Aufnahmesituationen.
Nano Banana ist der populäre Name von Googles KI-Bildgenerator innerhalb von Gemini. Das Modell ist besonders bekannt geworden durch: starke Bildbearbeitung natürliches Inpainting sehr gutes Prompt-Verständnis Character-Consistency schnelle Bildgenerierung Nano Banana kann: Bilder erzeugen Fotos bearbeiten Hintergründe austauschen Objekte ergänzen mehrere Bilder kombinieren Stil und Lighting gezielt verändern Besonders viral wurde das Modell durch: Actionfigur-Trends Cinematic Edits realistische Compositings Meme- und Social-Media-Content Im Gegensatz zu vielen klassischen Stable-Diffusion-Workflows arbeitet Nano Banana stärker mit natürlicher Sprache statt mit technischen Prompt-Tricks. Kurz gesagt: Nano Banana ist Googles moderne KI-Bildengine innerhalb von Gemini mit Fokus auf einfache Bedienung, starke Bildbearbeitung und natürliches Sprachverständnis.
Ein ND-Filter reduziert die Lichtmenge, die durch das Objektiv auf den Sensor fällt, ohne dabei die Farben zu verändern. Dadurch werden: längere Belichtungszeiten offene Blenden bei hellem Licht kreative Bewegungseffekte möglich. ND-Filter werden häufig genutzt für: Langzeitbelichtungen weiches Wasser Lichtspuren Videoaufnahmen Portraits bei Tageslicht Es gibt verschiedene Stärken, zum Beispiel: ND8 ND64 ND1000 Je stärker der Filter, desto weniger Licht gelangt auf den Sensor. Der Nachteil: Sehr starke ND-Filter können: Farbstiche Fokusprobleme oder dunkle Sucherbilder verursachen. Kurz gesagt: Ein ND-Filter dunkelt das einfallende Licht ab und ermöglicht kreative Belichtungs- und Blenden-Effekte.
Ein Negativ ist ein fotografisches Bild mit umgekehrten Helligkeits- und Farbwerten. Bei analogem Film bedeutet das: helle Bereiche erscheinen dunkel dunkle Bereiche erscheinen hell Farbnegative besitzen zusätzlich invertierte Farben. Negative entstehen nach der Entwicklung eines analogen Films und dienen als Grundlage für: Fotoabzüge Scans Vergrößerungen Vor der Digitalfotografie war das Negativ das zentrale Original einer Aufnahme. Auch heute nutzen manche Fotografen weiterhin: Kleinbildfilm Mittelformatfilm Schwarzweiß-Negative wegen des charakteristischen Looks. Kurz gesagt: Ein Negativ ist das umgekehrte Originalbild eines analogen Films.
Ein Node ist ein einzelner Funktionsbaustein innerhalb eines nodebasierten Systems wie ComfyUI. Nodes übernehmen zum Beispiel: Modell laden Prompt verarbeiten Upscaling ControlNet Bildspeicherung Mehrere Nodes ergeben zusammen einen Workflow. Kurz gesagt: Nodes sind einzelne Funktionsmodule innerhalb komplexer KI-Workflows.
Der Noise Schedule bestimmt, wie sich das Bildrauschen während der KI-Bildgenerierung Schritt für Schritt verändert. Da Diffusionsmodelle aus reinem Rauschen starten, muss die KI dieses Rauschen nach und nach reduzieren, bis ein fertiges Bild entsteht. Der Noise Schedule steuert dabei: wie stark das Rauschen pro Schritt abnimmt wann Details entstehen wie weich oder aggressiv das Bild entwickelt wird Dadurch beeinflusst er unter anderem: Bildqualität Kontrast Schärfe Stabilität Detailaufbau Viele Scheduler wie: Karras Exponential Linear basieren genau auf unterschiedlichen Noise-Schedules. Der Unterschied ist für Anfänger oft schwer sichtbar, kann aber bei modernen Modellen deutlichen Einfluss auf den finalen Look haben. Kurz gesagt: Der Noise Schedule steuert, wie das Bildrauschen während der Generierung Schritt für Schritt reduziert wird.
Ein Objektiv bündelt das Licht und projiziert das Bild auf den Kamerasensor. Es gehört zu den wichtigsten Bestandteilen einer Kamera und beeinflusst stark: Bildqualität Schärfe Perspektive Bokeh Lichtstärke Bildwirkung Objektive gibt es in vielen Varianten, zum Beispiel: Weitwinkel Standardobjektive Teleobjektive Makroobjektive Fisheyes Wichtige Eigenschaften sind unter anderem: Brennweite Blende Autofokus Bildstabilisierung Viele Fotografen betrachten Objektive sogar wichtiger als das Kameragehäuse selbst. Kurz gesagt: Das Objektiv formt das Licht und bestimmt maßgeblich den Look eines Fotos.
Offenblende bezeichnet die größtmögliche Blendenöffnung eines Objektivs. Beispiele: f/1.2 f/1.4 f/1.8 Bei Offenblende: gelangt besonders viel Licht auf den Sensor entsteht geringe Tiefenschärfe wird der Hintergrund stark unscharf Das wird häufig genutzt für: Portraits Low-Light-Fotografie Cinematic Looks starkes Bokeh Der Vorteil: Mehr Licht und stärkere Freistellung. Der Nachteil: Bei Offenblende sinkt oft die Schärfentiefe extrem, wodurch das Fokussieren schwieriger wird. Manche Objektive zeigen außerdem: weichere Schärfe stärkere Aberrationen geringeren Kontrast Kurz gesagt: Offenblende ist die größte mögliche Blendenöffnung eines Objektivs.
ChatGPT Images ist die integrierte KI-Bildgenerierung direkt innerhalb von ChatGPT. Im Gegensatz zu klassischen Stable-Diffusion-Tools muss man hier: keine Modelle herunterladen keine Nodes bauen keine LoRAs verwalten keine GPU besitzen Die Bildgenerierung funktioniert direkt per natürlicher Sprache. Besonders stark ist ChatGPT Images bei: kreativen Konzepten Designideen Illustrationen Compositing Layouts Textverständnis Bildbearbeitung per Sprache Im Gegensatz zu vielen lokalen KI-Tools versteht das System oft deutlich besser: komplexe Anweisungen natürliche Sprache Bildzusammenhänge nachträgliche Änderungen Der Nachteil: Man hat deutlich weniger technische Kontrolle als bei lokalen Tools wie ComfyUI oder AUTOMATIC1111. Dinge wie: Sampler CFG Seeds genaue Modellwahl stehen meist nicht direkt zur Verfügung. Kurz gesagt: ChatGPT Images setzt stärker auf einfache Bedienung und natürliches Arbeiten statt auf maximale technische Kontrolle.
Optischer Zoom verändert die Brennweite eines Objektivs mechanisch, um Motive näher heranzuholen oder mehr Umgebung zu zeigen. Dabei bleibt die volle Bildqualität erhalten, weil das Bild direkt durch die Optik vergrößert wird. Optischer Zoom wird häufig genutzt bei: Reisen Wildlife Sport Alltagsfotografie Videografie Im Gegensatz zum digitalen Zoom wird das Bild nicht einfach vergrößert oder beschnitten. Typische Zoomangaben: 24–70mm 70–200mm 10x Zoom Der Vorteil: Flexible Bildausschnitte ohne Qualitätsverlust. Kurz gesagt: Optischer Zoom verändert die Brennweite eines Objektivs und vergrößert Motive ohne Verlust der Bildqualität.
Outpainting erweitert ein bestehendes Bild über den ursprünglichen Bildrand hinaus. Die KI ergänzt dabei neue Bildbereiche passend zum vorhandenen Motiv. Damit kann man zum Beispiel: Bilder verbreitern Hochformat zu Querformat machen fehlenden Hintergrund ergänzen Szenen größer wirken lassen mehr Umgebung „dazuerfinden“ Die KI versucht dabei: Perspektive Lighting Farben Stil Bildstimmung möglichst glaubwürdig fortzusetzen. Outpainting wird oft genutzt für: Wallpaper Cinematic Crops Social-Media-Formate Poster Compositings Der Nachteil: Je weiter man das Bild erweitert, desto eher entstehen Fehler oder unlogische Inhalte. Kurz gesagt: Outpainting bedeutet, ein Bild mithilfe von KI künstlich über seinen ursprünglichen Rand hinaus zu erweitern.
Overfitting bedeutet, dass eine KI beim Training zu stark auf die Trainingsdaten „fixiert“ wird. Die KI lernt dabei nicht mehr allgemein, sondern merkt sich Bilder fast nur noch auswendig. Typische Folgen: Gesichter sehen immer gleich aus Posen wiederholen sich ständig Bilder wirken kopiert wenig kreative Variation unnatürliche Ergebnisse Overfitting entsteht häufig durch: zu viele Epochs zu kleine Datasets schlechte Trainingsdaten zu aggressive Einstellungen Besonders bei LoRAs oder DreamBooth-Trainings passiert das schnell, wenn zu wenige Bilder verwendet werden. Man erkennt Overfitting oft daran, dass: die KI kaum noch flexibel reagiert Charaktere identisch aussehen oder Trainingsbilder fast exakt reproduziert werden Kurz gesagt: Overfitting bedeutet, dass eine KI zu stark auswendig lernt und dadurch an Flexibilität und Natürlichkeit verliert.
Ein Panorama ist ein besonders breites oder großflächiges Bild mit erweitertem Bildwinkel. Panoramen entstehen häufig durch: mehrere zusammengesetzte Fotos spezielle Panorama-Modi Weitwinkel- oder 360°-Techniken Sie werden oft genutzt für: Landschaften Städte Architektur Innenräume virtuelle Rundgänge Panoramen vermitteln häufig: mehr Raumgefühl stärkere Immersion größere Szenenwirkung Für saubere Ergebnisse verwendet man oft: überlappende Aufnahmen gleichmäßige Belichtung Stative Kurz gesagt: Ein Panorama zeigt einen besonders großen Bildausschnitt durch zusammengesetzte oder speziell aufgenommene Bilder.
Panoramafotografie erstellt besonders breite oder großflächige Bilder aus mehreren einzelnen Aufnahmen. Die Fotos werden später zu einem Panorama zusammengesetzt. Dadurch lassen sich: Landschaften Städte Innenräume große Szenen mit deutlich größerem Bildwinkel darstellen. Panoramen können: horizontal vertikal oder sogar 360°-Aufnahmen sein. Für saubere Ergebnisse nutzt man häufig: Stative gleichmäßige Belichtung überlappende Bildbereiche Moderne Kameras und Smartphones besitzen oft automatische Panorama-Modi. Kurz gesagt: Panoramafotografie kombiniert mehrere Bilder zu einer besonders weitwinkligen Gesamtaufnahme.
Ein Pixel ist der kleinste einzelne Bildpunkt eines digitalen Bildes. Jedes digitale Foto besteht aus Millionen solcher Pixel. Jeder Pixel speichert Informationen wie: Helligkeit Farbe Kontrast Je mehr Pixel ein Bild besitzt: desto höher ist meist die Auflösung desto mehr Details können dargestellt werden Pixel spielen eine wichtige Rolle bei: Bildschärfe Druckgröße Bildbearbeitung Bildschirmdarstellung Zu starkes Vergrößern eines Bildes macht einzelne Pixel sichtbar — das Bild wirkt dann „pixelig“. Kurz gesagt: Pixel sind die kleinsten digitalen Bildpunkte, aus denen ein digitales Foto aufgebaut ist.
Pixel-Peeping beschreibt das extreme Hineinzoomen in Bilder, um kleinste Details und technische Fehler zu analysieren. Dabei werden Bilder oft in: 100%-Ansicht oder stärkerer Vergrößerung betrachtet. Pixel-Peeping wird häufig genutzt um: Schärfe Bildrauschen Objektivqualität Fokusfehler Artefakte zu beurteilen. Besonders Technik- und Kamera-Enthusiasten vergleichen so: Sensoren Objektive Bildqualität Der Nachteil: Zu starkes Pixel-Peeping kann dazu führen, dass technische Perfektion wichtiger wird als Bildwirkung oder Inhalt. Kurz gesagt: Pixel-Peeping bedeutet, Bilder extrem vergrößert auf kleinste technische Details zu untersuchen.
Ein Polarisationsfilter reduziert Reflexionen und verstärkt Farben direkt bei der Aufnahme. Er wird häufig genutzt um: Spiegelungen auf Wasser oder Glas zu verringern Himmel kräftiger wirken zu lassen Kontraste zu verbessern Farben satter darzustellen Polfilter sind besonders beliebt bei: Landschaftsfotografie Architektur Outdoor-Aufnahmen Autofotografie Der Effekt lässt sich meist durch Drehen des Filters einstellen. Der Nachteil: Polfilter reduzieren die Lichtmenge und funktionieren nicht in jeder Aufnahmesituation gleich stark. Bei Ultraweitwinkel-Objektiven können außerdem ungleichmäßige Himmel entstehen. Kurz gesagt: Ein Polarisationsfilter reduziert Reflexionen und sorgt für kräftigere Farben und Kontraste.
