درون یابی یک تصویر دیجیتال Likbez: روش های تغییر اندازه تصویر

فتوشاپ برای افزایش یا کاهش اندازه یک تصویر از روش Interpolation استفاده می کند. بنابراین، برای مثال، هنگامی که روی یک تصویر زوم می کنید، فتوشاپ پیکسل های اضافی را بر اساس مقادیر همسایه ایجاد می کند. به طور کلی، اگر یک پیکسل سیاه و دیگری سفید باشد، فتوشاپ مقدار متوسط ​​را محاسبه کرده و یک پیکسل خاکستری جدید ایجاد می کند. برخی از انواع درون یابی سریع و بی کیفیت هستند، برخی دیگر پیچیده تر هستند، اما به نتایج خوبی می رسند.

ابتدا به منوی اصلی می رویم تصویر - اندازه تصویر (تصویر - اندازه تصویر)یا Alt+Ctrl+I.

اگر روی فلش کنار پارامتر کلیک کنید نمونه گیری مجدد (تصویر نمونه مجدد)، سپس چندین گزینه درون یابی در پنجره پاپ آپ ظاهر می شود:

• خودکار. برنامه فتوشاپیک روش نمونه‌گیری مجدد را بر اساس نوع سند و اینکه آیا آن را کوچک یا بزرگ می‌کند انتخاب می‌کند.
• حفظ جزئیات (بزرگ شدن). هنگامی که این روش انتخاب می شود، نوار لغزنده Noise Reduction برای صاف کردن نویز هنگام بزرگ شدن تصویر در دسترس می شود.
• حفظ جزئیات 2.0. این الگوریتم بسیار می دهد نتیجه جالببزرگ شدن تصویر البته جزییات جزئی‌تر نمی‌شوند، اما جزئیاتی که بدون از دست دادن وضوح بسیار زیاد می‌شوند.
• . روش خوببرای بزرگنمایی تصاویر بر اساس درون یابی دو مکعبی، که به طور خاص برای نتایج نرم تر طراحی شده است.
• شارپر دو مکعبی (کاهش). یک روش خوب برای کاهش اندازه تصویر مبتنی بر درونیابی دو مکعبی شارپ است. این روش به شما امکان می دهد تا جزئیات تصویر نمونه برداری مجدد را حفظ کنید. اگر درون یابی "مقیاس دو مکعبی" باعث می شود برخی از قسمت های تصویر خیلی واضح باشد، سعی کنید از درون یابی دو مکعبی استفاده کنید.
• دو مکعبی (شیب صاف). آهسته تر اما بیشتر روش دقیق، بر اساس تجزیه و تحلیل مقادیر رنگ پیکسل های اطراف. به دلیل استفاده از محاسبات پیچیده تر، درون یابی دو مکعبی انتقال رنگ نرم تری نسبت به درون یابی پیکسلی همسایه یا درون یابی دو خطی ایجاد می کند.
• با پیکسل های همسایه (لبه های سخت) (نزدیک ترین همسایه (لبه های سخت)). یک روش سریع اما کمتر دقیق که پیکسل های یک تصویر را تکرار می کند. این روش لبه‌های واضح را حفظ می‌کند و در تصاویری که دارای لبه‌های ناهموار هستند، اندازه فایل کاهش می‌یابد. با این حال، این روش می‌تواند لبه‌های ناهموار ایجاد کند که وقتی تصویر را تغییر می‌دهید یا مقیاس می‌دهید، یا عملیات انتخاب زیادی انجام می‌دهید، قابل توجه می‌شوند.
• دو خطی (دو خطی). این روش با محاسبه میانگین مقدار رنگ پیکسل های اطراف، پیکسل های جدیدی را اضافه می کند. این یک نتیجه با کیفیت متوسط ​​می دهد.

مثال استفاده صاف کننده دو مکعبی (بزرگ شدن):

یک عکس در ابعاد 600 x 450 پیکسل با وضوح 72 dpi وجود دارد

ما باید آن را افزایش دهیم. پنجره ای را باز می کند اندازه تصویرو انتخاب کنید صاف کننده دو مکعبی (بزرگ شدن)، واحدهای اندازه گیری - درصد.

ابعاد سند بلافاصله روی 100٪ تنظیم می شود. در مرحله بعد به تدریج تصویر را افزایش می دهیم. مقدار را از 100% به 110% تغییر دهید. وقتی عرض را تغییر می دهید، ارتفاع به طور خودکار تنظیم می شود.

اکنون ابعاد آن در حال حاضر 660 در 495 پیکسل است. با تکرار این مراحل می توان به نتایج خوبی دست یافت. البته، دستیابی به وضوح کامل برای ما بسیار دشوار خواهد بود، زیرا عکس کوچک و وضوح پایینی بود. اما به تغییرات پیکسل ها نگاه کنید.

به لطف روش درون یابی چقدر می توانیم عکس بسازیم؟ همه چیز به کیفیت عکس، نحوه گرفتن آن و برای چه هدفی آن را بزرگ می کنید بستگی دارد. بهترین پاسخ: آن را بگیرید و خودتان ببینید.

در درس بعدی می بینمت!

درون یابی تصویر در همه اتفاق می افتد عکس های دیجیتالدر یک مرحله خاص، خواه از بین بردن یا مقیاس بندی. هر زمان که یک تصویر را تغییر اندازه دهید یا از یک شبکه پیکسل به شبکه دیگر باز کنید، این اتفاق می افتد. تغییر اندازه تصویر زمانی لازم است که شما نیاز به افزایش یا کاهش تعداد پیکسل ها دارید، در حالی که تغییر موقعیت حداکثر می تواند رخ دهد. مناسبت های مختلف: تصحیح اعوجاج لنز، تغییر پرسپکتیو، یا چرخش تصویر.

حتی اگر اندازه یک تصویر تغییر کند یا دوباره اسکن شود، نتایج بسته به الگوریتم درون یابی می تواند به طور قابل توجهی متفاوت باشد. از آنجا که هر درون یابی فقط یک تقریب است، هر زمان که تصویر درون یابی شود، کیفیت خود را از دست می دهد. این فصل در نظر گرفته شده است تا درک بهتری از آنچه بر نتیجه تأثیر می‌گذارد ارائه دهد - و در نتیجه به شما کمک کند تا هرگونه کاهش کیفیت تصویر ناشی از درون یابی را به حداقل برسانید.

مفهوم

ماهیت درون یابی استفاده از داده های موجود برای به دست آوردن مقادیر مورد انتظار در نقاط ناشناخته است. برای مثال، اگر می‌خواهید بدانید دما در ظهر چقدر است، اما آن را در ساعت 11 اندازه‌گیری کرده‌اید، می‌توانید با اعمال درون یابی خطی مقدار آن را حدس بزنید:

اگر یک بعد اضافی در ساعت دوازده و نیم داشتید، ممکن است متوجه شوید که دما قبل از ظهر سریعتر افزایش یافته است و از آن بعد اضافی برای درونیابی درجه دوم استفاده کنید:

هرچه اندازه گیری دما در حوالی ظهر بیشتر باشد، الگوریتم درون یابی شما پیچیده تر (و انتظار می رود دقیق تر) باشد.

نمونه ای از تغییر اندازه یک تصویر

درون یابی تصویر به صورت دو بعدی کار می کند و سعی می کند بهترین تقریب را در رنگ و روشنایی یک پیکسل بر اساس مقادیر پیکسل های اطراف به دست آورد. مثال زیر نحوه عملکرد مقیاس بندی را نشان می دهد:

اصل قبل از بعد بدون درون یابی

برخلاف نوسانات دمای هوا و گرادیان ایده آل در بالا، مقادیر پیکسل می توانند از نقطه ای به نقطه دیگر به طرز چشمگیری تغییر کنند. مانند مثال دما، هرچه بیشتر در مورد پیکسل های اطراف بدانید، درون یابی بهتر عمل خواهد کرد. به همین دلیل است که با کشیده شدن تصویر، نتایج به سرعت کاهش می‌یابد، و علاوه بر این، درون یابی هرگز نمی‌تواند جزئیاتی را به تصویر اضافه کند که ندارد.

مثال چرخش تصویر

درون یابی نیز هر بار که پرسپکتیو یک تصویر را می چرخانید یا تغییر می دهید، اتفاق می افتد. مثال قبلی گمراه کننده بود زیرا آن را داشت مورد خاص، جایی که interpolators معمولا به خوبی کار می کنند. مثال زیر نشان می دهد که با چه سرعتی می توان جزئیات تصویر را از دست داد:

چرخش اصلی 45 چرخش 90 (بدون افت) 2 چرخش 45 درجه 6 چرخش 15 درجه

چرخش 90 درجه باعث از دست دادن نمی شود، زیرا نیازی به قرار دادن هیچ پیکسلی در مرز بین دو (و در نتیجه تقسیم) نیست. توجه کنید که در اولین چرخش چقدر از جزئیات از بین می رود و چگونه کیفیت در چرخش های بعدی کاهش می یابد. این بدان معنی است که تا حد امکان باید از چرخش اجتناب شود. اگر یک قاب ناهموار نیاز به چرخش دارد، آن را بیش از یک بار نچرخانید.

نتایج فوق از الگوریتم موسوم به "دو مکعبی" استفاده می کند و کاهش قابل توجهی در کیفیت را نشان می دهد. توجه کنید که چگونه کنتراست کلی به دلیل کاهش شدت رنگ کاهش می یابد، چگونه هاله های تیره در اطراف آبی روشن ظاهر می شوند. بسته به الگوریتم درون یابی و موضوعی که به تصویر کشیده می شود، نتایج می توانند به طور قابل توجهی بهتر باشند.

انواع الگوریتم های درون یابی

الگوریتم های درون یابی پذیرفته شده را می توان به دو دسته تقسیم کرد: تطبیقی ​​و غیر تطبیقی. روش های تطبیقی ​​بسته به موضوع درون یابی (لبه های سخت، بافت صاف) متفاوت است، در حالی که روش های غیر تطبیقی ​​با تمام پیکسل ها به طور یکسان رفتار می کنند.

الگوریتم‌های غیرتطبیقی ​​عبارتند از: نزدیک‌ترین همسایه، دوخطی، دو مکعبی، اسپلاین، تابع سینوس کاردینال (سینک)، روش Lanczos و غیره. بسته به پیچیدگی، آنها از 0 تا 256 (یا بیشتر) پیکسل مجاور برای درون یابی استفاده می کنند. هرچه پیکسل‌های مجاور بیشتری داشته باشند، می‌توانند دقیق‌تر باشند، اما این به قیمت افزایش قابل توجه زمان پردازش تمام می‌شود. این الگوریتم ها را می توان هم برای باز کردن و هم برای مقیاس بندی تصویر استفاده کرد.

الگوریتم‌های تطبیقی ​​شامل بسیاری از الگوریتم‌های تجاری در برنامه‌های دارای مجوز مانند Qimage، PhotoZoom Pro، Genuine Fractals و غیره هستند. بسیاری از آنها هنگام تشخیص وجود یک مرز، نسخه‌های متفاوتی از الگوریتم‌های خود را (بر اساس تحلیل پیکسل به پیکسل) اعمال می‌کنند تا نقص‌های درون یابی نامطلوب را در مکان‌هایی که بیشتر قابل مشاهده هستند به حداقل برسانند. این الگوریتم‌ها اساساً برای به حداکثر رساندن جزئیات بدون نقص در تصاویر بزرگ‌شده طراحی شده‌اند، بنابراین برخی از آنها برای چرخش یا تغییر پرسپکتیو تصویر مناسب نیستند.

روش نزدیکترین همسایه

این اساسی ترین الگوریتم درون یابی است و به کمترین زمان پردازش نیاز دارد، زیرا تنها یک پیکسل را در نظر می گیرد - نزدیک ترین پیکسل به نقطه درون یابی. در نتیجه هر پیکسل بزرگتر می شود.

درون یابی دو خطی

درون یابی دوخطی مربع 2x2 از پیکسل های شناخته شده را در اطراف یک ناشناخته در نظر می گیرد. میانگین وزنی این چهار پیکسل به عنوان مقدار درون یابی استفاده می شود. در نتیجه، تصاویر بسیار نرمتر از نتیجه روش نزدیکترین همسایه به نظر می رسند.

نمودار سمت چپ برای حالتی است که تمام پیکسل های شناخته شده برابر هستند، بنابراین مقدار درون یابی شده به سادگی مجموع آنها تقسیم بر 4 است.

درون یابی دو مکعبی

درون یابی دو مکعبی با در نظر گرفتن آرایه ای از پیکسل های اطراف 4x4 - در مجموع 16 - یک گام فراتر از دوخطی است. فواصل مختلفاز یک پیکسل ناشناخته، به نزدیکترین پیکسل ها وزن بیشتری در محاسبه داده می شود. درون یابی دو مکعبی تصاویر بسیار واضح تری نسبت به دو روش قبلی تولید می کند و مسلماً از نظر زمان پردازش و کیفیت خروجی بهترین است. به همین دلیل، استاندارد بسیاری از برنامه های ویرایش تصویر (از جمله فتوشاپ)، درایورهای چاپگر، و درون یابی داخلی دوربین.

درون یابی مرتبه بالاتر: اسپلاین و سینک

بسیاری از درون‌یابی‌های دیگر وجود دارند که پیکسل‌های اطراف را بیشتر در نظر می‌گیرند و بنابراین از نظر محاسباتی فشرده‌تر هستند. این الگوریتم ها شامل اسپلاین ها و سینوس کاردینال (سینک) هستند و بیشتر اطلاعات تصویر را پس از درون یابی حفظ می کنند. در نتیجه، زمانی که یک تصویر نیاز به چرخش های متعدد یا تغییر پرسپکتیو در یک مرحله دارد، بسیار مفید هستند. با این حال، برای افزایش‌ها یا چرخش‌های منفرد، چنین الگوریتم‌های مرتبه‌ای کمی ارائه می‌دهند بهبود بصریبا افزایش قابل توجه زمان پردازش. علاوه بر این، در برخی موارد، الگوریتم سینوس کاردینال در یک مقطع صاف بدتر از درون یابی دو مکعبی عمل می کند.

عیوب درونیابی مشاهده شده

همه درون‌یابی‌های غیرتطبیقی ​​سعی می‌کنند تعادل بهینه را بین سه عیب ناخواسته پیدا کنند: هاله لبه، تاری و الایاسینگ.

هاله تاری aliasing اصلی

حتی توسعه‌یافته‌ترین درون‌یابی‌های غیرتطبیقی ​​همیشه مجبور هستند یکی از نقص‌های فوق را به قیمت دو مورد دیگر افزایش یا کاهش دهند - در نتیجه حداقل یکی از آنها قابل توجه خواهد بود. توجه کنید که چگونه هاله لبه مانند یک نقص به نظر می رسد که با تیز کردن با ماسک غیرشارپ ایجاد شده است و چگونه وضوح ظاهری را از طریق تیز کردن افزایش می دهد.

درون یاب‌های تطبیقی ​​ممکن است نقص‌هایی را که در بالا توضیح داده شد ایجاد کنند یا نکنند، اما همچنین می‌توانند بافت‌هایی ایجاد کنند که برای تصویر اصلی یا پیکسل‌های منفرد در مقیاس‌های بزرگ غیرمعمول هستند:

متریال بافتی کوچک با بزرگنمایی 220 درصد

از سوی دیگر، برخی از "نقص" درون یاب های تطبیقی ​​را نیز می توان به عنوان مزیت در نظر گرفت. از آنجایی که چشم انتظار دارد نواحی با بافت ریز مانند شاخ و برگ تا کوچکترین جزئیات دقیق باشد، چنین الگوهایی می توانند چشم را در فاصله دور (برای انواع خاصی از مواد) فریب دهند.

صاف کردن

Anti-aliasing یا anti-aliasing فرآیندی است که سعی می‌کند ظاهر حاشیه‌های مورب ناهموار یا ناهموار را به حداقل برساند که به متن یا تصاویر ظاهر دیجیتالی خشن می‌دهد:

صاف کردن این مراحل را حذف می کند و احساس نرمی لبه ها را می دهد کیفیت بالا. میزان همپوشانی حاشیه ایده آل با پیکسل های مجاور را در نظر می گیرد. یک حاشیه پلکانی به سادگی به سمت بالا یا پایین گرد شده و بدون مقدار میانی است، در حالی که یک مرز صاف مقداری متناسب با مقدار حاشیه در هر پیکسل تولید می کند:

یکی از نکات مهم در بزرگنمایی تصاویر، جلوگیری از الایاس بیش از حد ناشی از درون یابی است. بسیاری از interpolators تطبیقی ​​وجود لبه ها را تشخیص می دهند و تنظیم می کنند تا در عین حال وضوح لبه را حفظ کنند. از آنجایی که لبه صاف شده حاوی اطلاعاتی در مورد موقعیت آن با وضوح بالاتر است، کاملاً ممکن است که یک درون یاب قدرتمند تطبیقی ​​(تشخیص لبه) بتواند حداقل تا حدی لبه را با بزرگنمایی بازسازی کند.

زوم اپتیکال و دیجیتال

بسیاری جمع و جور دوربین های دیجیتالمی تواند هر دو زوم اپتیکال و دیجیتال (زوم) را انجام دهد. زوم اپتیکال با حرکت دادن لنز زوم به دست می آید تا نور قبل از برخورد با سنسور دیجیتال تقویت شود. در مقابل، زوم دیجیتال با درون یابی تصویر پس از دریافت توسط سنسور، کیفیت را کاهش می دهد.

زوم اپتیکال (x10) زوم دیجیتال (x10)

حتی اگر عکسی که از زوم دیجیتال استفاده می کند دارای همان تعداد پیکسل است، به وضوح جزئیات کمتری نسبت به دوربین های زوم اپتیکال دارد. از سوی دیگر، اگر معمولاً با فرمت JPEG عکاسی می‌کنید و می‌خواهید پس از آن تصویر را برش داده و بزرگ کنید، زوم دیجیتال این مزیت را دارد که قبل از معرفی آرتیفکت‌های فشرده‌سازی درون‌یابی می‌شود. اگر متوجه شدید که اغلب به زوم دیجیتال نیاز دارید، یک مبدل از راه دور یا بهتر است یک لنز با فاصله کانونی بیشتر بخرید.

تصویر دیجیتالی شده روی اسکنر در حین ویرایش بر روی مانیتور کامپیوتر نمایش داده می شود و در ویرایشگر به گونه ای پردازش می شود که نسخه چاپی با کیفیت بالا به دست می آید. این زنجیره عملیات به قدری برای اکثر کاربران آشناست که کمتر کسی به تغییرات دشواری که نسخه اصلی در طول مسیر متحمل می شود فکر می کند.

نسخه صفحه نمایش یک تصویر به سادگی ماتریسی از نقاط است که با ابعاد ارتفاع و عرض آن توصیف می شود. یک تصویر 600 x 400 بدون در نظر گرفتن نحوه عملکرد، مقدار ثابتی از فضای صفحه نمایش را در هر مانیتور اشغال می کند. اگر رزولوشن 640 * 480 برای آن انتخاب شود تقریباً کل صفحه را پوشش می دهد ، در صفحه نمایش با وضوح 1024 * 768 تقریباً یک چهارم فضا را اشغال می کند و در نهایت با وضوح 1600 * 1200 ، کمی بیش از یک نهم از سطح صفحه را اشغال خواهد کرد. در عین حال، ابعاد فیزیکی، یعنی. ابعاد، که بر حسب اینچ و سانتی متر محاسبه می شوند، به قطر مانیتور بستگی دارد.

ابعاد تصویر هنگام چاپ چقدر خواهد بود؟ برای کاربر پیچیده فتوشاپ، پاسخ واضح است. ابعاد نسخه چاپی با ابعاد نسخه اصلی اسکن شده (به طور بسیار دقیق، با ابعاد ناحیه اسکن شده) مطابقت دارد. این قرارداد طبیعی برای همه برنامه های گرافیکی تنظیم پیش فرض است. اما اکثر ویراستاران شطرنجی دارند با وسایل خاصتغییر اندازه چاپ

برای تنظیم اندازه نسخه صفحه تصویر که با نسخه چاپ شده آن مطابقت دارد، باید دستور منوی اصلی را اجرا کنید. مشاهده - اندازه چاپ ویرایشگر فتوشاپ یا از دکمه پانل با همین نام استفاده کنید.

فرض کنید می خواهید تصویری با ابعاد 600*600 پیکسل چاپ کنید. این ابعاد مشخص است، اکنون مهم نیست که چگونه وضوح اسکن و تنظیمات چاپ را دریافت می کنند. اگر ابعاد نسخه چاپی را روی 10 اینچ تنظیم کنید، وضوح تصویر 600 نقطه / 10 خواهد بود. اینچ = 60 نقطه در اینچ. در اینجا تعدادی از مقادیر وضوح برای ابعاد مختلف چاپ چاپ شده آورده شده است:

• 600 نقطه / 5 اینچ = 120 نقطه در اینچ؛
• 600 نقطه / 3 اینچ = 200 نقطه در اینچ؛
• 600 نقطه / 2 اینچ = 300 نقطه در اینچ.

همه این تغییرات به هیچ وجه بر نسخه صفحه نمایش تأثیر نمی گذارد، تمام مزایا و معایب آن در مرحله اسکن مشخص می شود و تغییرات در ناحیه چاپ بر کیفیت نسخه اصلی دیجیتالی تأثیر نمی گذارد. اما این امر کیفیت نسخه چاپی را به طور قابل توجهی تحت تأثیر قرار می دهد.

برای هر تجهیزات چاپ، مقداری وضوح بهینه وجود دارد. تصویر دیجیتالزمانی که دستگاه چاپ قادر خواهد بود حداکثر تعداد جزئیات نسخه اصلی را منتقل کند. کیفیت نتیجه به نوع کاغذ انتخابی نیز بستگی دارد. این تأثیر به ویژه برای محبوب ترین در زمان ما برجسته است. دستگاه های چاپ- چاپگرهای جوهر افشان رنگی

اجازه دهید، برای چاپگر انتخاب شده و نوع رسانه کاغذ، مقدار وضوح برابر با 200 نقطه در اینچ بهینه باشد. عواقب چاپ اصل انتخابی با وضوح 120 نقطه در اینچ چیست؟ این راه حل باعث از دست رفتن کیفیت می شود زیرا برخی از جزئیات در چاپ از بین می روند. و اگر برای نتیجه با انتخاب وضوح چاپ بالاتر رقابت می کنید؟ اگر مثلاً 300 نقطه در اینچ یا بیشتر تنظیم کنید، اطلاعات اضافی به چاپگر داده می شود که به سادگی نمی تواند از آنها استفاده کند.

بیایید فرض کنیم که نسخه اسکن شده تصویر هنگام نمایش بر روی مانیتور کیفیت متوسطی را نشان می دهد. آیا می توان آن را با چاپ روی کاغذ با کیفیت و وضوح بالا بهبود بخشید؟ فوکوس کار نخواهد کرد، زیرا چاپ اطلاعات جدیدی به نسخه اصلی اضافه نمی کند، چاپگر فقط از داده هایی استفاده می کند که در مرحله دیجیتالی شدن در تصویر گنجانده شده است. این آزمایش‌های فکری، البته، ساده‌تر هستند موقعیت واقعیموارد، اما بهره برداری از اصل کفایت معقول برای انتخاب بهینه وضوح چاپبه سختی می توان مناقشه کرد.

بنابراین، اگر ابعاد نقطه تصویر را ثابت کنید، هر گونه تغییر در وضوح مستلزم تغییر در ناحیه چاپ است. عکس آن نیز صادق است. که در گرافیک شطرنجیاین تبدیل را مقیاس بندی می نامند.

چرا مقیاس یک تصویر؟ دلایل این امر متعدد و اغلب بسیار سنگین است. بسیاری از دوربین های دیجیتال میان رده مدرن، تصاویری با اندازه کوچک تولید می کنند که هنگام چاپ، فضای تمبر پستی را اشغال می کنند. سیستم های نشر رومیزیبه تصاویری با ابعاد ثابت نیاز دارید که ممکن است با ابعاد اصلی مطابقت نداشته باشند و غیره.

مقیاس بندی ابعاد فیزیکی را تغییر نمی دهد فایل گرافیکی، زیرا بر هیچ یک از پارامترها (تعداد نقاط، عمق رنگ) که مقدار آن به آن بستگی دارد تأثیر نمی گذارد.

نمونه برداری

تغییر تعداد پیکسل های یک تصویر را نمونه برداری می گویند.این عمل به وضوح بر اندازه نسخه روی صفحه تصویر تأثیر می گذارد، که بر روی یک مانیتور با ویژگی های ثابت، بسته به مقادیر مشخص شده بزرگتر یا کوچکتر می شود.

برنج. 2.4.

اجازه دهید این عملیات را با استفاده از مثالی از یک تصویر از مجموعه استاندارد ویرایشگر توضیح دهیم (شکل 2.4). نسخه اصلی تصویر، که موقعیت وسط را اشغال می کند، دارای وضوح 72 dpi است. دوبرابر شدن رزولوشن به 144 dpi منجر به افزایش تعداد پیکسل ها و افزایش ابعاد خطی نسخه صفحه نمایش تصویر (نمونه سمت راست) می شود. کاهش وضوح به 36 dpi دقیقاً اثر معکوس ایجاد می کند (نمونه سمت چپ).

بر خلاف مقیاس بندی، نمونه برداری یک عملیات محاسباتی ابتدایی نیست، زیرا به شدت با ساختار تصویر تداخل دارد.

اجازه دهید یک تصویر 400*400 پیکسل وجود داشته باشد. اگر ابعاد صفحه نمایش آن را به 300*300 کاهش دهیم، در نگاه اول، این به معنای تداخل جزئی با صفحه اصلی است - کاهش تنها سه چهارم. اگر تعداد نقاط قبل و بعد از عمل را بشمارید، تصویر متفاوتی باز می شود. تصویر اصلی شامل 400*400 = 160000 پیکسل است و پس از تبدیل دارای 300*300 = 90000 پیکسل است - تقریباً نصف آن. واضح است که چنین عملیات گسترده ای از نظر عواقب آن نمی تواند بر کیفیت تصویر تأثیر بگذارد.

حتی مشکلات پیچیده تر را باید با افزایش تعداد امتیازات حل کرد. اگر هنگام کاهش آنها، برنامه به سادگی پیکسل های اضافی را دور می اندازد، پس هنگام افزایش ماتریس، نقاط اضافی باید "اختراع" شوند. افزودن پیکسل های جدید با استفاده از الگوریتم های درون یابی خاص انجام می شود.

کاهش تعداد پیکسل ها در یک تصویر روشی نسبتاً ایمن است که مستقیماً بر کیفیت تصویر اصلی تأثیر نمی گذارد. افزایش پیکسل ها از نظر الگوریتم ها و پیامدهای آن پیچیده تر است. افزایش اندک در شطرنجی عواقب منفی قابل توجهی در پی نخواهد داشت. . تغییر مقیاس از این نوع تقریباً همیشه وضوح تصویر را کاهش می دهد و تا حدودی تصویر را تار می کند.

در گرافیک شطرنجی، سه روش نمونه برداری اصلی رایج شده است (همه آنها توسط ویرایشگر فتوشاپ پشتیبانی می شوند) که در سرعت کار و دقت نتایج با یکدیگر تفاوت دارند:

• نزدیکترین محله(با پیکسل های همسایه). ساده ترین روش درونیابی با سرعت بالاکار و نتایج از بالاترین کیفیت برخوردار نیستند. ویژگی های نزدیک ترین همسایه واقعی آن به عنوان نمونه برای یک پیکسل جدید در نظر گرفته می شود. این روش نتایج خوبی برای مناطق با هندسه منظم مانند خطوط مستقیم، مستطیل و غیره می دهد.
• دو خطی(دو خطی). اجرای این روش تا حدودی دشوارتر است، اما می دهد بالاترین امتیازهادر مقایسه با روش نزدیکترین محله. گزینه ها نکته جدیدبا میانگین‌گیری ویژگی‌های رنگ یا تن پیکسل‌های واقعی مجاور در تصویر محاسبه می‌شوند. این روش زمانی مزایای خود را نشان می دهد که تعداد نقاط تصویر کاهش یابد. یک منطقه منطقی از کاربرد آن، پردازش تصاویر با کیفیت متوسط ​​است.
• دو مکعبی(دو مکعبی). این بهترین روشدرون یابی، به همین دلیل پیش فرض در ویرایشگر فتوشاپ است. نقاط جدید از همسایگان موجود بر اساس الگوریتم های کمی پیچیده تر از روش قبلی محاسبه می شوند.
• صاف کننده دو مکعبی(دو مکعبی با صاف کردن). گونه ای از روش درون یابی دو مکعبی. این برای نمونه برداری از تصاویر با کیفیت بالا و در عین حال افزایش اندازه آنها طراحی شده است.
• شارپر دو مکعبی(دو مکعبی با تنظیم وضوح). گونه ای از روش درون یابی دو مکعبی. این برای پردازش تصاویر با کیفیت بالا و در عین حال کاهش اندازه آنها طراحی شده است.

در حین نمونه برداری چه اتفاقی برای وضوح و منطقه قابل چاپ می افتد؟ پاسخ مفهوم وضوح را تعریف می کند: طول ( اینچ ) * وضوح (dpi) = تعداد نقاط.

این نسبت نشان می دهد که با هر نمونه برداری از تصویر، طول یا وضوح واقعی آن باید تغییر کند. از نظر ریاضی، هر دو احتمال برابر است، فقط حفظ برابری سمت راست و چپ معادله مهم است. هنگامی که از یک تصویر در فتوشاپ نمونه برداری می کنید، ابعاد چاپ تغییر می کند در حالی که وضوح تصویر ثابت می ماند. با دستکاری های کمی پیچیده تر با فیلدهای عددی همان کادر محاوره ای، می توانید تغییر تعداد نقاط را با استفاده از مقادیر وضوح جدید جبران کنید.

عملیات نمونه برداری با دستگاه های دیجیتالی نیز قابل انجام است. هنگام پردازش یک نسخه اصلی با وضوحی که بخشی جدایی ناپذیر از حداکثر نوری نیست وضوح اسکنررویه ای از بسیاری جهات شبیه درون یابی دوخطی است که توسط ویرایشگرهای شطرنجی هنگام تغییر تعداد پیکسل های تصویر انجام می شود. بیایید این وضعیت را با جزئیات بیشتری در نظر بگیریم. فرض کنید می خواهید یک صفحه اصلی با عرض سه اینچ را روی یک اسکنر با حداکثر وضوح اپتیکال 600 dpi دیجیتالی کنید. با ضرب ساده، می توانید تعداد عوامل حساس به نور را که در این روش دخیل هستند، بیابید. برابر با 600 * 3 = 1800 است. اگر وضوح به نصف حداکثر (300 نقطه در اینچ) تنظیم شود، 900 سنسور در فرآیند دیجیتالی کردن شرکت خواهند کرد، یعنی. در هر ثانیه. عملیات در این حالت را می توان با روش های ابتدایی بدون ایجاد تغییرات عمیق در الگوریتم های کنترل دستگاه سازماندهی کرد. اگر یک چگالی نمونه برداری را انتخاب کنیم که جزء جدایی ناپذیر حداکثر وضوح نوری نیست، وضعیت کاملاً متفاوتی پیش می آید. این منجر به نقض نظم مکان سنسورهای فعال می شود، بنابراین نمای اصلی نسخه اصلی اسکن شده را می توان تنها با مشارکت الگوریتم های اصلاحی ویژه ای که بر اساس اصل درون یابی نرم افزاری کار می کنند، تشکیل داد.

انتخاب وضوح اسکن اغلب بر اساس دلایل منطقی توجیه می شود، اما علیرغم استدلال های فیزیکی قوی و استدلال منطقی منسجم، کاربر تقریبا همیشه با آزادی انتخاب قابل توجهی روبرو می شود. حتی در یک آزمایش فکری، تصور موقعیتی که در آن انحراف از وضوح اسکن محاسبه شده غیرممکن باشد، دشوار است. در بیشتر موارد، کیفیت تصویر حتی با انحراف قابل توجه وضوح از مقادیر بهینه محاسبه شده، دستخوش تغییرات اساسی نمی شود. بنابراین، باید چنین چگالی دیجیتالی را انتخاب کرد که مقدار محاسبه شده را از بالا تقریب می‌کند و در عین حال بخشی جدایی ناپذیر از حداکثر وضوح نوری دستگاه اسکن انتخابی است. به عبارت دیگر، اگر اسکنر قادر به کار با وضوح 300 نقطه در اینچ باشد، مضربی از 75، 100، 150 نقطه در اینچ نسبت به تنظیمات اسکن که جزء جدایی ناپذیر 300 نیستند، مانند 120 یا 175 نقطه در اینچ، ارجحیت دارند. اگر برای برخی اصلی، با محاسبه یا غیره، وضوح بهینهبرابر با 140 نقطه در اینچ است، سپس در یک جلسه اسکن واقعی توصیه می شود که 150 نقطه در اینچ را تنظیم کنید.

اجازه دهید یک بار دیگر به تفاوت های اساسی بین مقیاس بندی و گسسته سازی توجه کنیم. اولین عملیات فقط بر روی نسخه چاپی تصویر تأثیر می گذارد، به هیچ وجه بر پیکسل های واقعی تأثیر نمی گذارد، بنابراین نسخه صفحه نمایشتصویر حتی با تغییرات مقیاس قابل توجهی نیز دستخوش تغییر نمی شود. نتایج آن تنها زمانی قابل مشاهده است که سند چاپ شود. عملیات دوم از نظر تکنیک پیچیده تر و از نظر نتایج آن مسئولیت پذیرتر است. این یک بازسازی عمیق تصویر را تحت شرایط خاص انجام می دهد و بر هر پیکسل آن تأثیر می گذارد.

در ادبیات انگلیسی زبان، معمولاً بین افزایش و کاهش تعداد نقاط، تمایز اصطلاحی ظریفی وجود دارد. عملیات اول را نمونه برداری (upsampling) و دومی را نمونه برداری (downsampling) می نامند و اصطلاح عمومی خود نمونه برداری مجدد است. در ادبیات داخلی، می توانید ترجمه تحت اللفظی و ردیابی این عملیات را به روسی بیابید - نمونه برداری، نمونه برداری و نمونه برداری مجدد! اگر هنوز بتوان با آخرین اصطلاح آشتی کرد، پس دو کلمه اول به وضوح با ساختار گفتار روسی مطابقت ندارند و وجود آنها توسط ضرورت فنی دیکته نشده است.

مقیاس گذاری و نمونه برداری در فتوشاپ

فتوشاپ یک ویرایشگر شطرنجی حرفه ای است، بنابراین به طور کامل از توابع مقیاس بندی و نمونه برداری پشتیبانی می کند. تمام عملیات ممکن از این نوع با استفاده از یک کادر محاوره ای واحد اندازه تصویر (اندازه تصویر) انجام می شود. برای نمایش آن بر روی صفحه، کافی است دستور Image - Image Size را اجرا کنید (شکل 2.5).

ویژگی های اصلی این پنجره را در نظر بگیرید:

• ابعاد پیکسل (بعد). در این بخش ابعاد تصویر مشخص شده بر حسب پیکسل یا درصد و اندازه کل سند فعلی بر حسب کیلوبایت یا مگابایت نمایش داده می شود. اگر گزینه Resample Image فعال باشد، فیلدهای این بخش در دسترس هستند. در غیر این صورت، برنامه تغییر مستقیم این مقادیر را ممنوع می کند.
• اندازه سند (اندازه چاپ). این بخش اطلاعاتی در مورد ابعاد واقعی چاپ و وضوحی که تصویر ابعاد فعلی خود را دریافت می کند، نمایش می دهد. این فیلدها امکان تغییر مستقیم را می دهند. افزایش اندازه چاپ چاپ شده مستلزم افزایش تعداد پیکسل ها در نسخه دیجیتالی تصویر است و بالعکس.
• محدود کردن نسبت(نسبت ها را حفظ کنید). این گزینه نسبت ابعاد سند را کنترل می کند. اگر فعال باشد، نسبت تصویر اصلی در طول هر عملیاتی با تصویر حفظ خواهد شد. اگر گزینه انتخاب نشده باشد، می توان ابعاد اضلاع را مستقل از یکدیگر تغییر داد.
• نمونه مجدد تصویر (Interpolation). این گزینه فرآیند نمونه برداری را کنترل می کند. اگر فعال باشد، برنامه به شما اجازه می‌دهد تا ابعاد نقطه اصلی و در نتیجه تعداد کل پیکسل‌ها را به انتخاب کاربر تغییر دهید. در غیر این صورت، تمام فیلدهای بخش Pixel Dimension در دسترس نیستند و ابعاد فقط با تنظیم اندازه چاپ یا وضوح کنترل می شوند.
• تغییر اندازه شطرنجی با استفاده از الگوریتم های درون یابی انجام می شود. یک لیست بدون نام که در کنار سوئیچ قرار دارد برای انتخاب روش درونیابی استفاده می کند. شما می توانید یکی از پنج را انتخاب کنید روش های موجودنزدیکترین محاسبه مجدد تصویر محله(با پیکسل های همسایه)، دو خطی (دو خطی) و سه نوع روش Bicubuc (Bicubic). ویژگی های این الگوریتم های گسسته سازی در بخش قبل مورد بحث قرار گرفت.

اگر دستکاری با تنظیمات کادر محاوره ای اندازه تصویر ناموفق بود، می توانید آنها را بازنشانی کنید و به مقادیر اولیه پارامترها بازگردید. برای انجام این کار، فشار دهید و نگه دارید کلید Altدر نتیجه، دکمه Cancel به Reset تبدیل می شود که تغییرات ایجاد شده در پنجره را حذف می کند. این تکنیک ویرایشگر استاندارد در بسیاری از گفتگوهای برنامه استفاده می شود.

دلایل جرم گیری چیست؟ ذکر تمام موقعیت هایی که این تکنیک ضروری است غیرممکن است. بگذارید فقط یک مثال بزنیم. بسیاری از دوربین های دیجیتال نسخه های اصلی با وضوح پایین و اندازه قابل توجهی تولید می کنند. اجازه دهید تصویری با وضوح 72 dpi و اندازه 30 در 20 سانتی متر به دست آید. اگر در این حالت برای چاپ بفرستید کیفیت چاپ پایین می آید. می توانید با خیال راحت ظاهر برجستگی ها را در لبه های خطوط و مراحل به وضوح قابل تشخیص در مناطقی با انتقال رنگ صاف پیش بینی کنید. تعداد نقاط موجود در نسخه اصلی به اندازه کافی زیاد است (نزدیک به نیم میلیون) تا بتوان یک نسخه چاپی با کیفیت بالا تولید کرد. فقط باید اندازه نسخه چاپی را کاهش دهید. برای این کار گزینه Resample Image را غیرفعال کنید و در فیلدهای Document Size اندازه های مناسب چاپ مثلاً 10 سانتی متر عرض وارد کنید. این برنامه تمام پارامترهای موجود دیگر را دوباره محاسبه می کند. سپس ارتفاع 6.5 سانتی متر و وضوح 215 خواهد بود. این مقادیر چاپ با کیفیت کافی را تضمین می کنند.

شرایط کلیدی

درون یابی دو مکعبی- روش درونیابی که در آن نقاط جدید بیت مپاز مقادیر رنگ و روشنایی چندین پیکسل مجاور ایجاد می شود. این روش درون یابی مبتنی بر الگوریتم محاسباتی پیچیده تری نسبت به روش نزدیکترین همسایه است، بنابراین به منابع محاسباتی بیشتری نیاز دارد، اما نتایج بهتری به دست می دهد.

عمق رنگ- تعداد کل ارقام باینری در هر پیکسل از بیت مپ. اجازه دهید مقداری تصویر در سیستم RGB نوشته شود و 8 رقم باینری (1 بایت) برای هر مختصات رنگی R، G و B اختصاص داده شود. می توان استدلال کرد که این تصویر دارای عمق رنگ 8 بیت در هر کانال یا 3 * 8 = 24 بیت در هر پیکسل است.

نمونه برداری- تغییر تعداد پیکسل های بیت مپ.

قطعنامه درون یابی- ویژگی دستگاه های دیجیتالی که در آن نقاط تصویر دیجیتال با ترکیبی از خواندن فیزیکی و درون یابی نرم افزاری به دست می آید.

درون یابی بیت مپ- روش محاسبه و افزودن نقاط جدید به یک تصویر شطرنجی.

مقیاس بندی بیت مپ- تغییر وضوح تصویر هنگام خروجی آن در رسانه های مختلف، به شرط حفظ اندازه های نقطه ای اصلی.

روش نزدیکترین همسایه- یک روش درون یابی که نقاط جدیدی را در یک تصویر شطرنجی ایجاد می کند و ویژگی های رنگ و روشنایی را از نزدیک ترین نقطه همسایه به عاریت می گیرد. سریعترین و خشن ترین روش درونیابی.

وضوح مکانیکی- مشخصه اسکنرهای تخت، برابر با چگالی عمودی نمونه. این تنظیم معمولاً برابر با حداقل انحراف حمل یک اسکنر تخت است و بنابراین به عنوان وضوح عمودی نامیده می شود.

وضوح نوری- مشخصه اسکنرهای تخت، برابر با تراکم گیرنده های نوری. این تنظیم گاهی اوقات به عنوان وضوح افقی نامیده می شود.

دیجیتالی شدن- روش تبدیل یک تصویر به فرم الکترونیکی شطرنجی.

وضوح تصویر- مشخصه یک تصویر شطرنجی که چگالی نقاط (پیکسل) در واحد طول را مشخص می کند. معمولاً بر حسب نقطه در اینچ (نقطه در هر اینچ) اندازه گیری می شود اینچ، dpi) یا پیکسل در هر اینچ (پیکسل در هر اینچ، ppi).

اجازه دوربین دیجیتال - تعداد کل گیرنده های ماتریس حساس به نور، به عنوان مثال 8 مگاپیکسل = 8 میلیون پیکسل.

وضوح صفحه- دو عدد برابر با حداکثر تعداد نقاط آدرس پذیر مستقل در عرض و ارتفاع، به عنوان مثال 800*600، 1024*768.

فضای رنگ واقعی- فضای رنگی سیستم RGB با عمق رنگ 24 بیت در هر پیکسل. مجموعه رنگ ها در این فضا 16777216 می باشد که این پالت برای ارائه و پردازش اکثر تصاویر دیجیتال در نشر و چاپ الکترونیک کافی است.

برای درک اینکه چه فرآیندهایی در مکانیسم تغییر اندازه تصویر تعبیه شده است، ماده ساختمان هر تصویر بیت مپ را بخوانید. به طور خلاصه، اینها مربع های رنگی کوچکی هستند که مانند یک موزاییک، یک تصویر از آنها تشکیل می شود.

وقتی در مورد اندازه ها صحبت می کنیم، در مورد آن صحبت می کنیم در مورد اجازه. به صورت مجموع پیکسل های یک سطر در عرض و یک ستون در ارتفاع نوشته می شود و به این صورت نوشته می شود: 655×382. اینها اندازه های هنر زیر هستند:

بنابراین، هنگام تغییر اندازه تصویر، باید مقادیر عرض و/یا ارتفاع این پیکسل ها را تغییر دهیم.

در صورت کوچک سازیبه عنوان مثال، اگر مثال خود را به 300×175 تغییر دهیم، تصویر از قبل شامل 300 پیکسل در عرض و 175 پیکسل در ارتفاع خواهد بود. هیچ محدودیتی صورت نگرفته است. فتوشاپ پیکسل های تصویر را شمارش کرد و متوجه شد که باید از شر کدام یک خلاص شود.

اما این روند برگشت پذیر نیست. اگر نیاز دارید همه چیز را به عقب برگردانید یا حتی بیشتر انجام دهید، یک روند جدید شروع می شود - افزایش.

در صورت افزایش سایز، فتوشاپ محاسبه می کند که کدام پیکسل ها از دست رفته اند و آنها را بر اساس الگوریتم های پردازش پیچیده اضافه می کند. این فرآیند نمی تواند کیفیت بالایی داشته باشد، بنابراین وقتی تصویر بزرگ می شود، کیفیت از بین می رود. تصویر وضوح جزئیات را از دست می دهد، تار می شود. برای وضوح، مثال بالا را به افزایش می دهم اندازه اصلی. مقایسه کنید:

بنابراین، هنگامی که بزرگنمایی می شود، کیفیت تا حد زیادی به اندازه اولیه تصویر و البته که باید به آن "رشد" کنید بستگی دارد.

کادر گفتگوی اندازه تصویر

بنابراین، اساسی ترین راه برای تغییر اندازه یک تصویر استفاده از دستور منو است:

تصویر - اندازه تصویر (تصویر - اندازه تصویر).

کلید میانبر: Alt+Ctrl+I.

یک کادر محاوره ای باز می شود:

این کادر محاوره ای اجازه می دهد اولاً اطلاعاتی در مورد ابعاد فعلی تصویر بدست آورید و ثانیاً آنها را تغییر دهید.

ابعاد (ابعاد پیکسل)

برای تغییر اندازه تصویر، مقادیر را تغییر دهید عرض و ارتفاع. به طور پیش فرض، آنها در پیکسل اندازه گیری می شوند، اما درصدها را می توان از لیست کشویی انتخاب کرد.

به براکت و آیکون به صورت زنجیره ای دقت کنید. این بدان معنی است که هنگام تغییر عرض یا ارتفاع، مقدار دوم به طور خودکار به همان نسبت تصویر اصلی تغییر می کند. این لازم است تا فشرده یا کشیده نشود. برای فعال/غیرفعال کردن این ویژگی، کادر را علامت بزنید "نسبت تصویر را حفظ کنید"(تناسبات محدود).

اندازه چاپ (اندازه سند)

هنگام صحبت در مورد چاپگر به این گروه از تنظیمات اشاره کردم. اجازه(رزولوشن) اندازه پیکسل را تغییر می دهد و بر کیفیت چاپ تأثیر می گذارد. برای چاپگرها، در محدوده 200-300 پیکسل در هر اینچ احساس راحتی کنید.

مقادیر Width و Height به ما می گویند که تصویر روی چه اندازه کاغذی می تواند چاپ شود. با تغییر اعداد، اندازه تصویر نیز تغییر خواهد کرد. لطفاً توجه داشته باشید که عملکردی برای حفظ تناسبات نیز وجود دارد.

سبک های مقیاس

تعیین می کند که آیا برنامه سبک های لایه اعمال شده روی تصویر را مقیاس خواهد کرد یا خیر. توصیه می شود این کادر را علامت زده بگذارید، در غیر این صورت، برای مثال، سایه ای که اضافه کرده اید ممکن است بزرگتر یا کوچکتر از خود تصویر باشد.

درون یابی

این کلید شما برای تغییر رزولوشن بدون تأثیر بر کیفیت تصویر است. درون یابی(Resample Image) فرآیندی است که طی آن فتوشاپ به دستور تغییر اندازه با افزودن یا کم کردن پیکسل ها پاسخ می دهد. مشکل این است که هنگام درون یابی، برنامه "حدس می زند" و این می تواند کیفیت تصویر را خراب کند.

وقتی برای اولین بار برنامه را شروع می کنید، تنظیم کنید درون یابیروشن می شود و مسئول افزایش یا کاهش تعداد پیکسل های تصویر است. این فرآیندها کیفیت تصویر را کاهش می‌دهند زیرا برنامه یا پیکسل‌ها را ایجاد می‌کند یا انتخاب می‌کند که کدام پیکسل‌ها را بر اساس آن حذف کند. خاموش کردن تنظیمات با قفل کردن اندازه در پیکسل از کیفیت محافظت می کند.

وقتی کادر را علامت بزنید درون یابی، باید روشی را از لیست کشویی زیر انتخاب کنید. چرا ممکن است این مورد نیاز باشد؟ گاهی اوقات برای بزرگتر یا کوچکتر کردن تصویر از تصویر اصلی به کمک فتوشاپ نیاز دارید.

به عنوان مثال، اگر تصویری با وضوح تصویر دارید 200ppiکه اندازه آن هنگام پرینت 4*6 و اندازه نسخه چاپی 5*7 باشد و حفظ وضوح در آن مطلوب است. 200ppi. برای این کار می توانید این کادر را علامت بزنید.

گزینه های موجود در لیست کشویی زیر چک باکس Interpolation تعیین می کند که فتوشاپ از چه شکل ریاضی برای افزودن یا حذف پیکسل ها استفاده می کند. از آنجایی که بیشتر کیفیت بالاتصاویر یعنی کار بیشتر، چگونه تصویر بهتر، برنامه به زمان بیشتری برای تکمیل فرآیند فوق نیاز دارد.

در اینجا گزینه های در دسترس شما هستند که بر اساس کیفیت (بدترین به بهترین) و سرعت (سریع ترین به کندترین) مرتب شده اند:

• Nearest Neighbor (حفظ لبه های واضح) (Nearest Neighbor). اگرچه این روش بیشترین نتیجه را دارد کیفیت پایینتصاویر، می تواند مفید باشد زیرا کوچکترین فایل ها را ایجاد می کند. اگر فایل‌ها را از طریق اینترنت انتقال می‌دهید و اتصال شما یا گیرنده کند است، مفید است. این روش با مشاهده رنگ پیکسل های اطراف و کپی کردن آنها کار می کند. این به دلیل ایجاد لبه های ناهموار شناخته شده است، بنابراین شما باید آن را فقط در تصاویر با لبه های سخت، مانند تصاویر، که ضد مستعار نیستند، استفاده کنید.
• دو خطی.اگر این روش را انتخاب کنید، فتوشاپ رنگ پیکسل های جدید را با انتخاب چیزی بین رنگ پیکسل های بالا و پایین و در سمت چپ و راست پیکسل های اضافه شده حدس می زند. نتیجه این روش کمی بهتر از انتخاب گزینه است توسط پیکسل های همسایهو هنوز هم بسیار سریع است، اما بهتر است به جای Bilinear از یکی از سه روش زیر استفاده کنید.
• دو مکعبی (بهترین برای شیب صاف) (دو مکعبی). این روش رنگ پیکسل‌های جدید را با میانگین‌گیری رنگ پیکسل‌های مستقیم در بالا و پایین و همچنین دو پیکسل سمت چپ و راست آن تعیین می‌کند. این روش بیشتر از دو روش قبلی طول می کشد، اما در مناطقی که یک رنگ با رنگ دیگری جایگزین می شود، انتقال نرم تری ایجاد می کند.
• صاف کننده دو مکعبی (بهترین برای بزرگ کردن) (صاف کننده دو مکعبی). از نظر نحوه ایجاد پیکسل های جدید به روش قبلی نزدیک است. این روش پیکسل‌ها را کمی تار می‌کند تا بتوان پیکسل‌های جدید را روی پیکسل‌های قدیمی پوشاند و ظاهری نرم‌تر و طبیعی‌تر به تصویر می‌دهد. توصیه می شود اعمال شود این روشبرای بزرگنمایی تصاویر
• تیزتر دو مکعبی (بهترین برای کاهش) (Bicubic Sharper).این روش نیز مشابه روش است دو مکعبی (بهترین برای شیب صاف)به هر حال پیکسل های جدید ایجاد می شوند، اما به جای محو کردن کل پیکسل ها برای بهبود ترکیب جدید و قدیمی مانند روش قبلی، فقط لبه های پیکسل ها را نرم می کند. استفاده از این روش برای کاهش تصاویر توصیه می شود.

صبر کن! چیزی را فراموش کردیم! تا کنون، ما در مورد وضوح "واقعی" یا اپتیکال صحبت کرده ایم (اگرچه ممکن است آنقدرها که فکر می کنید واقعی نباشد). رزولوشن همچنین می تواند با استفاده از موارد مختلف جعلی شود الگوریتم های ریاضی، وضوح ظاهری را ارائه می دهد که بالاتر از رقم ارائه شده برای وضوح نوری است. این فرآیند درون یابی نامیده می شود.

در روزگار بد قدیم، بسیاری از فروشندگان اگر می دانستند، مقدار وضوح درونیابی شده را به عنوان مشخصات ترجیح می دادند. در آن زمان وضوح کمتر بود (قبل از اسکنرهای فیلم مقرون به صرفه) بنابراین وسوسه بسیار قوی بود. بنابراین برای اسکنرهای تخت، که برای تصویربرداری از عکس‌ها و محصولات مشابه استفاده می‌شوند، وضوح اپتیکال واقعی می‌تواند 300x300 نمونه در هر اینچ باشد. از طریق جادوی درون یابی، همان اسکنر می تواند وضوح 600x600 اسپی یا حتی 1200x1200 اسپی را جعل کند. و این دقیقاً همان چیزی است که فروشندگان تبلیغ می کنند. خریداران ساده لوح ممکن است فکر کنند که در حال خرید یک اسکنر 1200x1200 spi هستند، در حالی که بیشتر وضوح بیشتر «جادوگری» ریاضی است.

خوشبختانه تقریباً هیچ کس درگیر چنین کلاهبرداری هایی نیست. همه فروشندگان وضوح نوری اسکنرهای خود را به عنوان مشخصات اصلی خود برای وضوح ذکر می کنند، اگرچه همانطور که مشاهده کردید، حتی وضوح اپتیکال نیز ممکن است به دقت وضوح اسکنر را منعکس نکند. وضوح درونیابی در سایر مشخصات پنهان است به گونه ای که باعث می شود آنها بسیار کمتر گمراه کننده به نظر برسند.

با این حال، بسیاری از کاربران اسکنر به طور کامل درک نمی کنند که درون یابی چیست و یا اعتماد زیادی به آن دارند یا برعکس، خیلی کم. در واقع، اگرچه وضوح درونیابی به خوبی وضوح نوری نیست، کاربرد صحیحممکن است کاملا مفید باشد

درون یابی چیزی نیست جز فرآیندی که در حین اسکن برای تغییر ابعاد تصویر (بالا یا پایین) یا اشباع رنگ به مقداری غیر از اندازه یا اشباع رنگ اصلی استفاده می شود. اگرچه می توان از درون یابی برای تغییر اطلاعات رنگ یا کاهش تصویر اسکن شده از تصویر اصلی استفاده کرد، اما بیشتر صحبت ها در مورد درون یابی در مورد ایجاد پیکسل های جدید در تصویر است که باعث می شود تصویر نهایی بزرگتر یا وضوح بالاتر از تصویر اصلی اسکن شده باشد. (داخل یابی، که برای کاهش یک تصویر استفاده می شود، معمولاً به عنوان نمونه برداری کوچک شناخته می شود.)

درون یابی را با مقیاس بندی اشتباه نگیرید. هنگام بزرگنمایی، هر پیکسل به تعداد معینی تکرار می شود. برای سه برابر کردن اندازه تصویر، هر پیکسل سه بار کپی می شود. وقتی بزرگنمایی می کنید همین اتفاق می افتد. با یک تغییر مقیاس ساده، کاهش اندازه تصویر به اندازه یک سوم تصویر اصلی به معنای دور انداختن هر پیکسل سوم است (به این امید که پیکسل‌های باقیمانده هنوز هم شباهت اولیه را حفظ کنند). در هر صورت، تصویر حاصل به احتمال زیاد دارای لبه های ناهموار یا "نردبان" در خطوط مورب خواهد بود.

درون یابی فرآیند بسیار پیچیده تری است. به جای کپی کردن ساده پیکسل ها، از الگوریتم های درون یابی استفاده می شود که پیکسل های همسایه را یاد می گیرند و پیکسل های جدید را محاسبه می کنند، که به گونه ای تنظیم می شوند که انتقال بین آنها تا حد امکان ظریف باشد و در حالت ایده آل یک انتقال مداوم از پیکسل های قدیمی به پیکسل های جدید را تشکیل می دهد. به طور ساده، این فرآیند را می توان به شرح زیر توصیف کرد. اگر یک پیکسل سیاه در تصویر و یک پیکسل سفید در کنار آن وجود داشت، دو برابر کردن مقیاس منجر به دو پیکسل سیاه و دو پیکسل سفید می شود. همانطور که در شکل نشان داده شده است، هنگامی که درون یابی می شود، پیکسل های سیاه و سفید اصلی، به علاوه یک پیکسل خاکستری تیره و یک پیکسل خاکستری روشن در بین آن ها به دست می آید. 3.3.

وجود داشته باشد راه های مختلفدرون یابی تصویر، برخی از آنها بسیار پیچیده هستند. در زیر سه روش متداول آورده شده است.

- روش نزدیکترین همسایه. با این روش پیکسلی در نظر گرفته می شود که در مجاورت پیکسل در حال پردازش قرار دارد و از اطلاعات مربوط به این پیکسل برای ایجاد پیکسل جدید استفاده می شود.

از آنجایی که فقط هر پیکسل دوم در این مورد باید بررسی شود، این یک روش نسبتا سریع است، اگرچه خیلی دقیق نیست. برای اکثر تصاویر عکاسی حاوی مناسب نیست انتقال های صافبین بخش های جداگانه، زیرا به آنها لبه های ناهموار بیشتری می دهد. اگر تصویری را با لبه های واضح اسکن می کنید، مانند یک قطعه متن یا تصویری که در آن ذخیره می شود فرمت GIF، الگوریتم نزدیکترین همسایگان کاملاً مناسب خواهد بود. در چنین مواردی، فایل های کوچکتری تولید می کند و در عین حال لبه های تیز را به طور موثر حفظ می کند. روی انجیر 3.4 حرف A را نشان می دهد (یکی از انواع تصاویر که الگوریتم نزدیکترین همسایه برای آن به خوبی کار می کند) و در شکل. 3.5 بعد از پردازش با این نامه، قسمت 600٪ بزرگ شده این نامه را نشان می دهد.

- روش دو خطی. این روش پیکسل های دو طرف پیکسل پردازش شده را بررسی می کند. این الگوریتم کمی کندتر از الگوریتم نزدیکترین همسایه است، اما می تواند نتایج نسبتا خوبی را برای تصاویر حاوی عناصر کنتراست بالا ارائه دهد. عملکرد الگوریتم مربوطه در شکل نشان داده شده است. 3.6.

- روش دو مکعبی. رایج ترین روش درون یابی دو مکعبی است که در آن تمام پیکسل های اطراف برای به دست آوردن اطلاعات برای ایجاد پیکسل های درون یابی جدید بررسی می شوند. این روش به طور پیش فرض در بسیاری از اسکنرها و همچنین در فتوشاپ استفاده می شود. در آخرین نسخه فتوشاپ، دو گزینه دیگر به الگوریتم اصلی درون یابی Bicubic اضافه شده است: Bicubic Smoother که بهترین حالت را در هنگام بزرگ شدن تصویر به دندان ها صاف می کند و Bicubic Sharper که جزئیات را هنگام نمونه برداری فرعی برای کاهش تصویر حفظ می کند. درون یابی دو مکعبی در شکل نشان داده شده است. 3.7.

درون یابی فرآیندی است که اگر واقعاً نیاز به رزولوشن بالاتر داشته باشید، می تواند در زمان اسکن اعمال شود، زیرا پیچیده ترین الگوریتم ها تصاویری را تولید می کنند که حاوی اطلاعات مفیدی هستند که در تصاویر اسکن شده خام وجود ندارند. در این فرآیند، پیکسل‌های اضافی را می‌توان با دقت شگفت‌انگیزی محاسبه کرد و نتایجی را که با وضوح بالاتر به دست می‌آورید دقیقاً شبیه‌سازی کرد. درون یابی برای تصاویری با جزئیات زیاد بهترین کار را دارد.

نوعی درون یابی با هر اسکن با وضوحی غیر از وضوح اصلی اسکنر رخ می دهد. به عنوان مثال، اگر وضوح واقعی اسکنر شما 4000 نمونه در هر اینچ است، پس هر زمان که مثلاً 2000 spi اسکن می کنید، و می خواهید اندازه فایل را برای تصاویری که خیلی مهم نیستند کاهش دهید، تصویر نهایی با درون یابی تشکیل می شود. اگر یک اسکنر 4000 spi قادر به اسکن در 8000 spi باشد، درون یابی برای شبیه سازی وضوح بالاتر اجرا می شود. در برخی از اسکنرها، درون یابی در سخت افزار هنگام ایجاد یک تصویر اسکن شده انجام می شود، در حالی که در برخی دیگر این مرحله با استفاده از نرم افزارروی کامپیوتر