Bir telefondaki kamera enterpolasyonu nedir ve ne içindir? Bir görüntüyü enterpolasyon yaparak çözünürlüğü değiştirme

Bir görüntüyü enterpolasyon yaparak çözünürlüğü değiştirme

Ders: adobe photoshop Tasarımcı ve fotoğrafçı için CS5

Adobe Photoshop CS5- En son sürüm efsanevi grafik editörü. Programın adının "Photoshop" çevirisi, bunun fotoğrafçılar için bir program olduğunu gösteriyor. Yazılım Adobe® Photoshop® CS5, dünya standartlarına uygundur, oluşturmanıza olanak tanır profesyonel görüntüler Açık en yüksek seviye. İÇİNDE Yeni sürüm en gelişmiş fotoğraf düzenleme araçlarıyla gerçeğe yakın illüstrasyonlar çizebilir, hızlı bir şekilde çarpıcı HDR görüntüler oluşturabilir, gürültüyü kaldırabilir, gren ekleyebilir ve kenar ayrıntılarını ayarlayabilirsiniz. Derslerde, bilgisayar grafikleri teorisini derinlemesine incelemeyeceğiz, ancak fotoğrafik görüntülerle çalışma pratiğine odaklanacağız.

Bilgisayar grafiklerinin temel kavramları

Adobe Photoshop ile mekanik olarak değil, eylemlerini anlayarak çalışmak için, kullanıcının dijital görüntülerin özellikleri hakkında bazı genel (temel) anlayışa sahip olması gerekir. Bu bölüm özelliklere ayrılmıştır bit eşlemler kalitesini belirleyen budur. Gerçek şu ki, bir bilgisayardaki herhangi bir dijital görüntünün boyutu, çözünürlüğü, biçimi ve renk modeli türü gibi bir dizi parametresi ile karakterize edilmesidir. Listelenen parametreler, raster görüntünün kalitesini ve ayrıca grafik dosyasının boyutunu (ağırlığını) belirler.

Görüntü çözünürlüğü

Raster görüntüler, piksel adı verilen küçük öğelerin bir koleksiyonundan oluşur. Piksel, raster görüntülerin temel yapı taşıdır ve kabul edilen birimdir. bilgisayar grafikleri, tıpkı metre, kilogram ve litrenin günlük hayatta ölçü olarak kabul edilmesi gibi.

Bir görüntüdeki piksel sayısı, çözünürlüğünü belirler. Piksellere genellikle noktalar denir, bu durumda çözünürlük dpi (nokta/inç), yani inç başına nokta sayısı cinsinden ölçülür.

Not

İÇİNDE bilgisayar Edebiyatı terimlerde bir karışıklık vardır ve bazı yazarlar monitörlerin çözünürlüğünü dpi (nokta/inç), tarayıcıların çözünürlüğünü ppi (piksel/inç) - piksel/inç ve yazıcıların çözünürlüğünü lpi (satır/inç) - satır/inç cinsinden ölçer. Diğer kitap yazarları, elde etme yönteminden bağımsız olarak herhangi bir görüntünün çözünürlüğünü yalnızca dpi cinsinden ölçer.

Düşünürseniz, çözünürlük ne kadar yüksekse, görüntünün o kadar çok piksel içerdiği ve büyük miktar ayrıntılar (yani kalite) böyle bir görüntü ile karakterize edilir. Öte yandan, daha yüksek bir görüntü çözünürlüğü doğrudan büyük beden böyle bir resim dosyası Bu nedenle, çözünürlük değerinin ayarlanması bilgisayar sanatçısının amaç ve hedeflerine bağlıdır ve belirli bir çalışma için farklı olacaktır. Örneğin, web tasarımcıları genellikle 72-96 dpi görüntülerle çalışırken, yazıcılar 300 dpi veya daha yüksek görüntü çözünürlüklerini tercih eder (Şekil 1.1).

Pirinç. 1.1. Solda yüksek çözünürlüklü resim (977 Kb dosya) ve sağda düşük çözünürlüklü resim (41 Kb dosya)

Renk derinliği

İÇİNDE siyah beyaz görüntüler parlaklık seviyeleri gölgeler olarak temsil edilir gri renk ve renkli görüntülerde bu düzeyler farklı renk tonları olarak görünür. Aynı zamanda, açıktır ki siyah beyaz fotoğrafçılık renkli bir fotoğraftan daha düşük kalite olarak algılanır. Başka bir deyişle, görüntüde ne kadar çok renk tonu varsa, renk derinliği adı verilen parlaklık (renk) çözünürlüğü o kadar yüksek olur ve görüntü Daha parlaklık seviyeleri (renkler) böyle bir resim dosyası içerecektir.

Yeni dönem

Renk derinliği, siyah beyaz görüntülerde bir pikselin yeniden üretilen parlaklık tonlamalarının sayısını ve renkli bir görüntüde görüntülenen renklerin sayısını karakterize eder.

Şek. Şekil 1.2 aynı görüntüyü, ancak farklı renk derinlikleriyle göstermektedir: üstte iki renk ve altta 256 gri tonu. Bu çizim, siyah beyaz görüntülerde çoğaltılan piksel parlaklığı tonlamalarının sayısı (ve renkli bir görüntüde görüntülenen renklerin sayısı) ne kadar yüksek olursa, bitmap görüntüsünün kalitesinin o kadar yüksek olduğunu açıkça göstermektedir.

Pirinç. 1.2. Aynı görüntü ancak farklı renk derinliği

Renk derinliği açısından, bit eşlemler birkaç türe ayrılabilir:

Tek renkli siyah beyaz (Siyah Beyaz) görüntü için yalnızca iki tür hücre kullanılır: siyah ve beyaz. Bu nedenle, her pikseli depolamak için yalnızca 1 bit bilgisayar belleği gerekir. Bu tür görüntülere genellikle 1 bitlik görüntüler denir. Buna göre renk çözünürlükleri 1 bit/piksel olacaktır.

Gri tonlama (Grayscale) adı verilen başka bir bitmap türünde, piksel başına 8 bit'e kadar bilgi tahsis edilir. Bu, siyahtan beyaza tüm gri tonlarını kapsayan 256 parlaklık derecesi kombinasyonuyla çalışmanıza olanak tanır. On adımlı bir gri skala örneği, Şek. 1.3.

Pirinç. 1.3. Grinin on tonu - beyazdan (%100) siyaha (%0)

Tanımı yüksek renk çözünürlüğü gerektiren görüntülerle çalışmak için RGB, Lab ve CMYK renk modelleri kullanılır. RGB formatı söz konusu olduğunda, her pikselin rengi üç rengin birleşimiyle belirlenir: kırmızı, yeşil ve mavi. Amaca bağlı olarak görüntü 16 bit, 24 bit veya 32 bit renk çözünürlüğüne (renk derinliği) sahip olabilir.

CMYK'de her pikselin rengi dört renk kanalı kullanılarak oluşturulur: cam göbeği, macenta, sarı ve siyah. Ek bir kanalın varlığından dolayı, renk CMYK modeli bir RGB görüntüsünden yaklaşık yüzde 25 daha fazla bilgi içerir.

Bir görüntüyü enterpolasyon yaparak çözünürlüğü değiştirme

eğer izin Dijital görüntü, tarayıcının (veya dijital kameranın) matrisi aracılığıyla elde edilen, tarayıcının (veya kameranın) ışığa duyarlı elemanlarının sayısıyla çakışırsa, gerçek (donanım veya fiziksel) çözünürlükten söz ederler. Bununla birlikte, hem görüntüleri dijitalleştirme ekipmanında hem de grafik programları enterpolasyon işlemini (Yeniden Örnekleme), yani uygulanabilen çözünürlüğü değiştirmek mümkündür. Farklı yollar. Örneğin, içinde Adobe programı Photoshop (Şekil 1.4) üç enterpolasyon yöntemi uygular - komşu, çift doğrusal ve çift kübik.

Pirinç. 1.4. Adobe Photoshop'ta görüntüleri enterpolasyon yapma yolları

Komşulara (En Yakın Komşu) göre enterpolasyon yapılırken program tarafından eklenen piksel için komşu pikselin değeri alınır. Yani, komşu piksel kırmızı ise, program kırmızı bir piksel ekleyerek görüntünün çözünürlüğünü artırır.

çift doğrusal (Çift doğrusal) enterpolasyon durumunda grafik editörü yeni oluşturulanın her iki tarafındaki piksellerin ortalama renk değerini alır. Örneğin, kırmızı ve beyaz arasında pembe görünecektir.

Bikübik (Bikübik) enterpolasyon, yalnızca doğrudan bitişik değil, aynı zamanda tüm komşu piksellerden oluşan bir grubun değerinin ortalamasını alır. Ortalama alma için hangi piksel aralığı seçilir ve bu ortalama alma hangi algoritma tarafından gerçekleşir - bu, bikübik enterpolasyon yöntemleri arasındaki farktır. Yukarıdaki çizimde, Adobe Photoshop'ta çift kübik enterpolasyon için üç seçenek görüyoruz.

Not

Yazılım enterpolasyonu kullanılarak elde edilen görüntü çözünürlüğü her zaman gerçek (fiziksel) çözünürlükten daha kötüdür, çünkü piksellerin yapay olarak eklenmesi görüntü kalitesini düşürür (ince ayrıntıları kaybolur). Başka bir deyişle, görüntü ne kadar dönüştürülürse, o kadar bozulur.

Emgu (OpenCV için .net sarıcı) tarafından sağlanan görüntü yeniden boyutlandırma işlevi, dört enterpolasyon yönteminden herhangi birini kullanabilir:

CV_INTER_NN (varsayılan)
CV_INTER_LINEAR
CV_INTER_CUBIC
CV_INTER_AREA

Lineer enterpolasyonu kabaca anlıyorum, ancak bir küpün veya alanın ne olduğunu yalnızca tahmin edebiliyorum. NN'nin en yakın komşu anlamına geldiğinden şüpheleniyorum ama yanılıyor olabilirim.

Görüntüyü yeniden boyutlandırmamın nedeni, temsili tutarken piksel sayısını azaltmak (bir noktada tekrarlanacaklar). Bundan bahsediyorum çünkü enterpolasyonun bu amaç için merkezi olduğunu düşünüyorum - dolayısıyla doğru tipçok önemli olmalı

Sorum şu, her enterpolasyon yönteminin avantajları ve dezavantajları nelerdir? Nasıl farklılar ve hangisini kullanmalıyım?

4 yanıt

En yakın komşu olabildiğince hızlı olacak, ancak yeniden boyutlandırırken temel bilgileri kaybedeceksiniz.

Doğrusal enterpolasyon daha az hızlıdır, ancak görüntüyü küçültmediğiniz sürece (ki sizsiniz) bilgi kaybetmez.

Kübik enterpolasyon (muhtemelen aslında "Bikübik"), birden çok bitişik piksel içeren birçok olası formülden birini kullanır. Bu, görüntüleri azaltmak için çok daha iyidir, ancak bilgileri kaybetmeden ne kadar azaltabileceğiniz konusunda hala sınırlısınız. Algoritmaya bağlı olarak resimlerinizi %50 veya %75 oranında küçültebilirsiniz. Bu yaklaşımın ana özelliği, çok daha yavaş olmasıdır.

"Alan"ın ne olduğundan emin değilim - aslında "Bicubic" olabilir. Büyük olasılıkla, bu seçenek en iyi sonucu verecektir (bilgi kaybı / görünümü açısından), ancak en uzun işlem süresi pahasına.

Kullanılan enterpolasyon yöntemi, neyi başarmaya çalıştığınıza bağlıdır:

CV_INTER_LINEAR veya CV_INTER_CUBIC görsel kalite ile kenar kaldırma arasında bir denge sağlamak için bir düşük geçiş filtresi (orta) uygular (düşük geçiş filtreleri, görüntü örtüşmesini azaltmak için kenarları kaldırma eğilimindedir). Bu ikisi arasında size tavsiyem CV_INTER_CUBIC.

CV_INTER_NN Yöntemi aslında en yakın komşudur, bu en temel yöntemdir ve daha keskin kenarlar elde edersiniz (düşük geçiş filtresi uygulanmaz). Ancak, bu yöntem tıpkı görüntüyü "ölçeklendirmek" gibidir, görsel iyileştirme yoktur.

Algoritmalar: (OpenCV belgelerindeki açıklamalar)

INTER_NEAREST - en yakın komşu enterpolasyonu
INTER_LINEAR - çift doğrusal enterpolasyon (varsayılan olarak kullanılır)
INTER_AREA - bir piksel alan oranı kullanarak yeniden örnekleme. Bu, haresiz sonuçlar ürettiği için görüntü kırpımı için tercih edilen yöntem olabilir. Ancak görüntü ölçeklendiğinde, INTER_NEAREST yöntemi gibidir.
INTER_CUBIC - 4x4 piksel komşuluk üzerinde çift kübik enterpolasyon.
INTER_LANCZOS4 - 8x8 piksel komşulukta Lanczos enterpolasyonu

Hızı artırmak istiyorsanız En Yakın Komşu yöntemini kullanın.

Görüntü enterpolasyonu tümünde gerçekleşir dijital fotoğraflar belirli bir aşamada, ister matrizasyon ister ölçeklendirme olsun. Bir görüntüyü bir piksel ızgarasından diğerine yeniden boyutlandırdığınızda veya açtığınızda olur. Görüntü yeniden boyutlandırma, piksel sayısını artırmanız veya azaltmanız gerektiğinde gereklidir, ancak yeniden konumlandırma en fazla gerçekleşebilir. çeşitli durumlar: Mercek bozulmasını düzeltin, perspektifi değiştirin veya görüntüyü döndürün.

Aynı görüntü yeniden boyutlandırılsa veya yeniden taransa bile, enterpolasyon algoritmasına bağlı olarak sonuçlar önemli ölçüde değişebilir. Herhangi bir enterpolasyon sadece bir tahmin olduğundan, enterpolasyon yapıldığında görüntü kalitesinin bir kısmını kaybeder. Bu bölümün amacı sonucu neyin etkilediğini daha iyi anlamak ve böylece enterpolasyonun neden olduğu görüntü kalitesi kayıplarını en aza indirmenize yardımcı olmaktır.

Konsept

Enterpolasyonun özü, bilinmeyen noktalarda beklenen değerleri elde etmek için mevcut verileri kullanmaktır. Örneğin, öğle vakti sıcaklığın ne olduğunu bilmek isteyip saat 11'de ölçtüyseniz, doğrusal enterpolasyon uygulayarak değerini tahmin edebilirsiniz:

On iki buçukta fazladan bir boyutunuz olsaydı, öğleden önce sıcaklığın daha hızlı arttığını fark edebilir ve bu ekstra boyutu ikinci dereceden enterpolasyon için kullanabilirsiniz:

Öğlen saatlerinde ne kadar çok sıcaklık ölçümü yaparsanız enterpolasyon algoritmanız o kadar karmaşık (ve beklendiği gibi daha doğru) olabilir.

Bir görüntüyü yeniden boyutlandırma örneği

Görüntü enterpolasyonu iki boyutta çalışır ve çevreleyen piksellerin değerlerine göre bir pikselin renginde ve parlaklığında en iyi yaklaşımı elde etmeye çalışır. Aşağıdaki örnek, ölçeklendirmenin nasıl çalıştığını göstermektedir:

	düzlemsel enterpolasyon

orijinal		önce	sonrasında	enterpolasyon olmadan

Hava sıcaklığındaki dalgalanmaların ve yukarıdaki ideal gradyanın aksine, piksel değerleri noktadan noktaya çok daha dramatik bir şekilde değişebilir. Sıcaklık örneğinde olduğu gibi, çevreleyen pikseller hakkında ne kadar çok şey bilirseniz enterpolasyon o kadar iyi çalışır. Bu nedenle, görüntü uzadıkça sonuçlar hızla bozulur ve ayrıca enterpolasyon, görüntüye asla sahip olmadığı ayrıntıları ekleyemez.

Görüntü Döndürme Örneği

Bir görüntünün perspektifini her döndürdüğünüzde veya değiştirdiğinizde enterpolasyon da gerçekleşir. Bir önceki örnek yanıltıcıydı çünkü özel durum, enterpolatörlerin genellikle iyi çalıştığı yer. Aşağıdaki örnek, görüntü ayrıntılarının ne kadar hızlı kaybolabileceğini göstermektedir:

		Görüntü bozulması

orijinal	45° dönüş	90° dönüş (kayıpsız)	2 45° dönüş	15°'de 6 dönüş

90° döndürme, iki piksel arasındaki sınıra (ve sonuç olarak bölmeye) hiçbir pikselin yerleştirilmesi gerekmediğinden kayıp getirmez. İlk döndürmede ayrıntıların ne kadarının kaybolduğuna ve sonraki döndürmelerde kalitenin nasıl düşmeye devam ettiğine dikkat edin. Bu, olması gerektiği anlamına gelir mümkün olduğunca rotasyondan kaçının; düz olmayan bir çerçevenin döndürülmesi gerekiyorsa, onu birden fazla döndürmeyin.

Yukarıdaki sonuçlar sözde "bikübik" algoritmayı kullanır ve kalitede önemli bir düşüş gösterir. Renk yoğunluğunun azalması nedeniyle genel kontrastın nasıl azaldığına, açık mavinin etrafında koyu halelerin nasıl göründüğüne dikkat edin. Sonuçlar enterpolasyon algoritmasına ve tasvir edilen konuya bağlı olarak önemli ölçüde daha iyi olabilir.

Enterpolasyon algoritması türleri

Genel olarak kabul edilen enterpolasyon algoritmaları iki kategoriye ayrılabilir: uyarlanabilir ve uyarlanamaz. Uyarlanabilir yöntemler enterpolasyonun konusuna (sert kenarlar, pürüzsüz doku) bağlı olarak değişirken, uyarlanabilir olmayan yöntemler tüm pikselleri eşit şekilde ele alır.

Uyarlanabilir olmayan algoritmalarşunları içerir: en yakın komşu, çift doğrusal, çift kübik, spline, kardinal sinüs (sinc), Lanczos yöntemi ve diğerleri. Karmaşıklığa bağlı olarak enterpolasyon için 0 ila 256 (veya daha fazla) bitişik piksel kullanırlar. Ne kadar çok bitişik piksel içerirlerse o kadar doğru olabilirler, ancak bu, işlem süresinde önemli bir artış pahasına gerçekleşir. Bu algoritmalar hem paket açma hem de görüntü ölçekleme için kullanılabilir.

Uyarlanabilir Algoritmalar Qimage, PhotoZoom Pro, Genuine Fractals ve diğerleri gibi lisanslı programlarda birçok ticari algoritma içerir. Birçoğu başvuruyor çeşitli versiyonlar algoritmaları (piksel piksel analize dayalı) bir sınırın varlığını algıladıklarında - en görünür oldukları yerlerde göze hoş görünmeyen enterpolasyon kusurlarını en aza indirmek için. Bu algoritmalar öncelikle büyütülmüş görüntülerde hatasız ayrıntıları en üst düzeye çıkarmak için tasarlanmıştır, bu nedenle bazıları görüntü perspektifini döndürmek veya değiştirmek için uygun değildir.

En yakın komşu yöntemi

Bu, tüm enterpolasyon algoritmalarının en temelidir ve enterpolasyon noktasına en yakın olan yalnızca bir pikseli hesaba kattığı için en az işlem süresi gerektirir. Sonuç olarak, her piksel daha da büyür.

Çift Doğrusal Enterpolasyon

Çift doğrusal enterpolasyon, bilinmeyen bir pikseli çevreleyen bilinen piksellerin 2x2'lik bir karesini dikkate alır. Bu dört pikselin ağırlıklı ortalaması enterpolasyonlu değer olarak kullanılır. Sonuç olarak, görüntüler en yakın komşu yönteminin sonucundan çok daha pürüzsüz görünüyor.

Soldaki diyagram, bilinen tüm piksellerin eşit olduğu durum içindir, bu nedenle enterpolasyonlu değer basitçe toplamlarının 4'e bölünmesidir.

Bikübik enterpolasyon

Bikübik enterpolasyon, 4x4 çevreleyen piksel dizisini (toplamda 16) göz önünde bulundurarak çift doğrusaldan bir adım daha ileri gider. farklı mesafeler bilinmeyen bir pikselden, hesaplamada en yakın piksellere daha fazla ağırlık verilir. Bikübik enterpolasyon, önceki iki yöntemden önemli ölçüde daha keskin görüntüler üretir ve işlem süresi ve çıktı kalitesi açısından tartışmasız en iyisidir. Bu nedenle, birçok görüntü düzenleme programı (Adobe Photoshop dahil), yazıcı sürücüleri ve yerleşik kamera enterpolasyonu için standart haline geldi.

Yüksek dereceli enterpolasyon: spline'lar ve sinc

Çevreleyen piksellerin çoğunu hesaba katan ve bu nedenle hesaplama açısından daha yoğun olan birçok başka enterpolatör vardır. Bu algoritmalar spline'ları ve kardinal sinüsü (sinc) içerir ve enterpolasyondan sonra görüntü bilgilerinin çoğunu tutarlar. Sonuç olarak, bir görüntü tek adımda birden fazla döndürme veya perspektif değişikliği gerektirdiğinde son derece faydalıdırlar. Bununla birlikte, tek artışlar veya dönüşler için, bu tür yüksek dereceli algoritmalar çok az şey verir. görsel iyileştirme işlem süresinde önemli bir artış ile. Ayrıca, bazı durumlarda, kardinal sinüs algoritması düz bir kesitte bikübik enterpolasyondan daha kötü performans gösterir.

Gözlemlenen Enterpolasyon Hataları

Uyarlanabilir olmayan tüm interpolatörler, istenmeyen üç kusur arasında en uygun dengeyi bulmaya çalışır: kenar haleleri, bulanıklık ve örtüşme.

En gelişmiş uyarlanabilir olmayan enterpolatörler bile, her zaman yukarıdaki kusurlardan birini diğer ikisinin pahasına artırmaya veya azaltmaya zorlanır - sonuç olarak, bunlardan en az biri farkedilir. Kenar halesinin, keskinliği azaltan bir maskeyle keskinleştirerek oluşturulan lekeye ne kadar benzediğine ve keskinleştirme yoluyla görünen keskinliği nasıl artırdığına dikkat edin.

Uyarlanabilir interpolatörler yukarıda açıklanan kusurları oluşturabilir veya oluşturmayabilir, ancak orijinal görüntü için alışılmadık dokular veya büyük ölçeklerde tek pikseller de oluşturabilirler:

Öte yandan, uyarlamalı interpolatörlerin bazı "kusurları" da avantaj olarak kabul edilebilir. Göz, yapraklar gibi ince dokulu alanların en ince ayrıntısına kadar detaylandırılmasını beklediğinden, bu tür desenler uzaktan (belirli malzeme türleri için) gözü aldatabilir.

yumuşatma

Kenar yumuşatma veya kenar yumuşatma, metne veya resimlere kaba bir dijital görünüm veren pürüzlü veya pürüzlü çapraz kenarların görünümünü en aza indirmeye çalışan bir işlemdir:

	300%

Kenar yumuşatma bu adımları kaldırır ve daha yumuşak kenarlar ve daha yüksek çözünürlük izlenimi verir. İdeal sınırın bitişik piksellerle ne kadar örtüştüğünü hesaba katar. Kademeli kenarlık basitçe yukarı veya aşağı yuvarlanır. ara değer yumuşatılmış kenarlık bir değer üretirken, bununla orantılı, sınırdan her piksele ne kadar girdi:

Görüntüleri büyütürken dikkate alınması gereken önemli bir nokta, enterpolasyondan kaynaklanan aşırı örtüşmeden kaçınmaktır. Birçok uyarlanabilir ara değerleyici, kenarların varlığını algılar ve kenar keskinliğini korurken örtüşmeyi en aza indirecek şekilde ayarlar. Düzleştirilmiş sınır, konumu hakkında daha fazla bilgi içerdiğinden yüksek çözünürlük, güçlü bir uyarlamalı (belirleyici sınırlar) enterpolatörün, yakınlaştırıldığında sınırı en azından kısmen yeniden oluşturabilmesi oldukça olasıdır.

Optik ve dijital yakınlaştırma

Birçok kompakt dijital kameralar hem optik hem de dijital yakınlaştırma (yakınlaştırma) gerçekleştirebilir. Optik yakınlaştırma, dijital sensöre çarpmadan önce ışığın güçlendirilmesi için yakınlaştırma merceğini hareket ettirerek elde edilir. Buna karşılık, dijital yakınlaştırma, görüntüyü sensör tarafından alındıktan sonra enterpolasyon yaparak kaliteyi düşürür.


optik yakınlaştırma (10x)		dijital yakınlaştırma (10x)

Dijital yakınlaştırma kullanan bir fotoğraf aynı sayıda piksel içermesine rağmen, optik yakınlaştırmaya göre açıkça daha az ayrıntılıdır. Dijital yakınlaştırma neredeyse tamamen ortadan kaldırılmalıdır, uzaktaki bir nesneyi kameranızın LCD ekranında görüntülemeye yardımcı olduğu durumlar dışında. Öte yandan, normalde JPEG formatında çekim yapıyorsanız ve daha sonra görüntüyü kırpıp büyütmek istiyorsanız, dijital yakınlaştırmanın avantajı, sıkıştırma yapaylıkları ortaya çıkmadan önce enterpole edilmesidir. Kendinizi çok sık dijital yakınlaştırmaya ihtiyaç duyuyorsanız, bir tele dönüştürücü veya daha iyisi daha uzun odak uzaklığına sahip bir lens satın alın.

Bir görüntünün boyutunu artırmak veya azaltmak için Photoshop, Enterpolasyon yöntemini kullanır. Örneğin, bir görüntüyü yakınlaştırdığınızda, Photoshop komşu olanların değerlerine göre ek pikseller oluşturur. Kabaca konuşursak, bir piksel siyah ve diğeri beyazsa, Photoshop ortalama değeri hesaplar ve yeni bir gri piksel oluşturur. Bazı enterpolasyon türleri hızlı ve kalitesizdir, diğerleri daha karmaşıktır, ancak iyi sonuçlar verirler.

Öncelikle ana menüye geçelim. Görüntü - Görüntü Boyutu (Görüntü - Görüntü Boyutu) veya Alt+Ctrl+I.

Parametrenin yanındaki oka tıklarsanız Yeniden Örnekleme (Resmi Yeniden Örnekle), ardından açılır pencerede birkaç enterpolasyon seçeneği görünecektir:

Otomatik. Photoshop Uygulaması belge türüne ve ölçeğin büyütülüp küçültüleceğine bağlı olarak bir yeniden örnekleme yöntemi seçer.
Ayrıntıları koru (büyütme). Bu yöntem seçildiğinde, görüntü ölçeklendiğinde gürültüyü yumuşatmak için Gürültü Azaltma kaydırıcısı kullanılabilir hale gelir.
Ayrıntıları Koru 2.0. Bu algoritma çok verir ilginç sonuç görüntü büyütme Tabii ki detay daha detaylı hale gelmiyor, ancak netliği kaybetmeden oldukça artırılan detay.
. iyi yöntem Bikübik interpolasyona dayalı görüntüleri büyütmek için, özellikle daha pürüzsüz sonuçlar için tasarlanmıştır.
Bikübik Keskin (azaltma). Görüntü boyutu küçültme için iyi bir yöntem, keskinleştirilmiş çift kübik enterpolasyona dayanır. Bu yöntem, yeniden örneklenen görüntünün ayrıntılarını korumanıza olanak tanır. "Bikübik Küçültme" enterpolasyonu görüntünün belirli alanlarını çok keskin yapıyorsa, bikübik enterpolasyonu kullanmayı deneyin.
Bikübik (yumuşak gradyanlar). Daha yavaş ama daha kesin yöntem, çevreleyen piksellerin renk değerlerinin analizine dayalıdır. Daha karmaşık hesaplamaların kullanılması nedeniyle, çift kübik enterpolasyon, komşu piksel enterpolasyonuna veya çift doğrusal enterpolasyona göre daha yumuşak renk geçişleri üretir.
Komşu piksellere göre (sert kenarlar) (En Yakın Komşu (kesin kenarlar)). Bir görüntünün piksellerini kopyalayan hızlı ancak daha az doğru yöntem. Bu yöntem, net kenarları korur ve pürüzlü kenarlar içeren resimlerde küçültülmüş bir dosya boyutu oluşturur. Ancak bu yöntem, görüntüyü bozduğunuzda veya ölçeklendirdiğinizde ya da çok sayıda seçim işlemi gerçekleştirdiğinizde fark edilebilir hale gelen pürüzlü kenarlar oluşturabilir.
Çift Doğrusal (Çift Doğrusal). Bu yöntem, çevreleyen piksellerin ortalama renk değerini hesaplayarak yeni pikseller ekler. Ortalama kalitede bir sonuç verir.

Kullanım örneği Bikübik Pürüzsüzleştirici (büyütme):

Bir fotoğraf var, boyutlar 600 x 450 piksel çözünürlük 72 dpi

Onu artırmamız gerekiyor. bir pencere açar Görüntü boyutu ve Seç Bikübik Pürüzsüzleştirici (büyütme), ölçü birimleri - yüzde.

Belgenin boyutları hemen %100 olarak ayarlanacaktır. Ardından, görüntüyü kademeli olarak artıracağız. Değeri %100'den %110'a değiştirin. Genişliği değiştirdiğinizde, yükseklik otomatik olarak kendini ayarlayacaktır.

Şimdi boyutları zaten 660 x 495 piksel. Bu adımları tekrarlayarak elde edebilirsiniz iyi sonuçlar. Tabii fotoğraf küçük ve çözünürlüğü düşük olduğu için mükemmel netliğe ulaşmamız oldukça zor olacak. Ancak piksellerdeki değişikliklere bakın.

Enterpolasyon yöntemi sayesinde ne kadar büyük fotoğraflar çekebiliriz? Her şey fotoğrafın kalitesine, nasıl çekildiğine ve hangi amaçla büyüttüğünüze bağlıdır. En iyi cevap: al ve kendin gör.

Bir sonraki derste görüşmek üzere!

Görüntü enterpolasyonu, tüm dijital fotoğraflarda, matrizasyon veya ölçeklendirme gibi bir aşamada gerçekleşir. Bir görüntüyü bir piksel ızgarasından diğerine yeniden boyutlandırdığınızda veya açtığınızda olur. Görüntünün yeniden boyutlandırılması, piksel sayısını artırmanız veya azaltmanız gerektiğinde gereklidir, ancak yeniden konumlandırma çeşitli durumlarda gerçekleşebilir: lens bozulmasını düzeltme, perspektifi değiştirme veya bir görüntüyü döndürme.

Konsept

On iki buçukta fazladan bir boyutunuz olsaydı, öğleden önce sıcaklığın daha hızlı arttığını fark edebilir ve bu ekstra boyutu ikinci dereceden enterpolasyon için kullanabilirsiniz:

Öğlen saatlerinde ne kadar çok sıcaklık ölçümü yaparsanız enterpolasyon algoritmanız o kadar karmaşık (ve beklendiği gibi daha doğru) olabilir.

Bir görüntüyü yeniden boyutlandırma örneği

enterpolasyon olmadan orijinal önce sonra

Görüntü Döndürme Örneği

Bir görüntünün perspektifini her döndürdüğünüzde veya değiştirdiğinizde enterpolasyon da gerçekleşir. Önceki örnek, enterpolatörlerin genellikle iyi çalıştığı özel bir durum olduğundan yanıltıcıydı. Aşağıdaki örnek, görüntü ayrıntılarının ne kadar hızlı kaybolabileceğini göstermektedir:

orijinal 45 dönüş 90 dönüş (kayıp yok) 2 dönüş 45° 6 dönüş 15°

90° döndürme, iki piksel arasındaki sınıra (ve sonuç olarak bölmeye) hiçbir pikselin yerleştirilmesi gerekmediğinden kayıp getirmez. İlk döndürmede ayrıntıların ne kadarının kaybolduğuna ve sonraki döndürmelerde kalitenin nasıl düşmeye devam ettiğine dikkat edin. Bu, rotasyonlardan mümkün olduğunca kaçınılması gerektiği anlamına gelir; düz olmayan bir çerçevenin döndürülmesi gerekiyorsa, onu birden fazla döndürmeyin.

Enterpolasyon algoritması türleri

Uyarlanabilir olmayan algoritmalar şunları içerir: en yakın komşu, çift doğrusal, çift kübik, spline'lar, kardinal sinüs işlevi (sinc), Lanczos yöntemi ve diğerleri. Karmaşıklığa bağlı olarak enterpolasyon için 0 ila 256 (veya daha fazla) bitişik piksel kullanırlar. Ne kadar çok bitişik piksel içerirlerse o kadar doğru olabilirler, ancak bu, işlem süresinde önemli bir artış pahasına gerçekleşir. Bu algoritmalar hem paket açma hem de görüntü ölçekleme için kullanılabilir.

Uyarlanabilir algoritmalar, Qimage, PhotoZoom Pro, Genuine Fractals ve diğerleri gibi lisanslı programlardaki birçok ticari algoritmayı içerir. Birçoğu, en görünür oldukları yerlerde çirkin enterpolasyon kusurlarını en aza indirmek için bir sınırın varlığını algıladıklarında algoritmalarının farklı sürümlerini (piksel piksel analize dayalı) uygular. Bu algoritmalar öncelikle büyütülmüş görüntülerde hatasız ayrıntıları en üst düzeye çıkarmak için tasarlanmıştır, bu nedenle bazıları görüntü perspektifini döndürmek veya değiştirmek için uygun değildir.

En yakın komşu yöntemi

Çift Doğrusal Enterpolasyon

Soldaki diyagram, bilinen tüm piksellerin eşit olduğu durum içindir, bu nedenle enterpolasyonlu değer basitçe toplamlarının 4'e bölünmesidir.

Bikübik enterpolasyon

Bikübik enterpolasyon, 4x4 çevreleyen piksel dizisini (toplamda 16) göz önünde bulundurarak çift doğrusal enterpolasyondan bir adım daha ileri gider.Bilinmeyen pikselden farklı mesafelerde olduklarından, hesaplamada en yakın pikseller daha fazla ağırlık alır. Bikübik enterpolasyon, önceki iki yöntemden önemli ölçüde daha keskin görüntüler üretir ve işlem süresi ve çıktı kalitesi açısından tartışmasız en iyisidir. Bu nedenle, birçok görüntü düzenleme programı (Adobe Photoshop dahil), yazıcı sürücüleri ve yerleşik kamera enterpolasyonu için standart haline geldi.

Yüksek dereceli enterpolasyon: spline'lar ve sinc

Çevreleyen piksellerin çoğunu hesaba katan ve bu nedenle hesaplama açısından daha yoğun olan birçok başka enterpolatör vardır. Bu algoritmalar spline'ları ve kardinal sinüsü (sinc) içerir ve enterpolasyondan sonra görüntü bilgilerinin çoğunu tutarlar. Sonuç olarak, bir görüntü tek adımda birden fazla döndürme veya perspektif değişikliği gerektirdiğinde son derece faydalıdırlar. Bununla birlikte, tek yakınlaştırmalar veya döndürmeler için, bu tür yüksek dereceli algoritmalar, işlem süresinde önemli bir artışla çok az görsel iyileştirme sağlar. Ayrıca, bazı durumlarda, kardinal sinüs algoritması düz bir kesitte bikübik enterpolasyondan daha kötü performans gösterir.

Gözlemlenen Enterpolasyon Hataları

Uyarlanabilir olmayan tüm interpolatörler, istenmeyen üç kusur arasında en uygun dengeyi bulmaya çalışır: kenar haleleri, bulanıklık ve örtüşme.

orijinal örtüşme bulanıklığı halesi

En gelişmiş uyarlanabilir olmayan enterpolatörler bile, her zaman yukarıdaki kusurlardan birini diğer ikisinin pahasına artırmaya veya azaltmaya zorlanır - sonuç olarak, bunlardan en az biri farkedilir. Kenar halesinin, keskinliği azaltma maskesiyle keskinleştirilerek oluşturulan bir kusur gibi göründüğüne ve keskinleştirme yoluyla görünür keskinliği nasıl artırdığına dikkat edin.

Küçük dokulu malzeme %220 büyütmede alan

yumuşatma

Kenar yumuşatma veya kenar yumuşatma, metne veya resimlere kaba bir dijital görünüm veren pürüzlü veya pürüzlü çapraz kenarların görünümünü en aza indirmeye çalışan bir işlemdir:

Kenar yumuşatma bu adımları kaldırır ve daha yumuşak kenarlar ve daha yüksek çözünürlük izlenimi verir. İdeal sınırın bitişik piksellerle ne kadar örtüştüğünü hesaba katar. Kademeli bir kenarlık, hiçbir ara değer olmaksızın basitçe yukarı veya aşağı yuvarlanır, düz kenarlık ise her pikselde kenarlığın ne kadarının bulunduğuyla orantılı bir değer üretir:

Görüntüleri büyütürken dikkate alınması gereken önemli bir nokta, enterpolasyondan kaynaklanan aşırı örtüşmeden kaçınmaktır. Birçok uyarlanabilir ara değerleyici, kenarların varlığını algılar ve kenar keskinliğini korurken örtüşmeyi en aza indirecek şekilde ayarlar. Düzleştirilmiş kenar, konumu hakkında daha yüksek bir çözünürlükte bilgi içerdiğinden, güçlü bir uyarlanabilir (kenar tespit eden) enterpolatörün, yakınlaştırıldığında kenarı en azından kısmen yeniden oluşturabilmesi oldukça olasıdır.

Optik ve dijital yakınlaştırma

Birçok kompakt dijital fotoğraf makinesi hem optik hem de dijital yakınlaştırma (yakınlaştırma) yapabilir. Optik yakınlaştırma, dijital sensöre çarpmadan önce ışığın güçlendirilmesi için yakınlaştırma merceğini hareket ettirerek elde edilir. Buna karşılık, dijital yakınlaştırma, görüntüyü sensör tarafından alındıktan sonra enterpolasyon yaparak kaliteyi düşürür.

Optik yakınlaştırma (x10) Dijital yakınlaştırma (x10)

Dijital yakınlaştırma kullanan bir fotoğraf aynı sayıda piksel içermesine rağmen, optik yakınlaştırma kullanan kameralara göre açıkça daha az ayrıntılıdır. Öte yandan, normalde JPEG formatında çekim yapıyorsanız ve daha sonra görüntüyü kırpıp büyütmek istiyorsanız, dijital yakınlaştırmanın avantajı, sıkıştırma yapaylıkları ortaya çıkmadan önce enterpole edilmesidir. Kendinizi çok sık dijital yakınlaştırmaya ihtiyaç duyuyorsanız, bir tele dönüştürücü veya daha iyisi daha uzun odak uzaklığına sahip bir lens satın alın.