Mi a digitális kép interpoláció

A kép interpoláció fordul elő az összes digitális fényképeket egy bizonyos ponton, hogy ez dematrizatsiya vagy méretezés. Ez történik, amikor megváltoztatja a méretét vagy képbeolvasási ugyanabból képpontrács a másikra. A képméret változtatása van szüksége, ha kell növelni vagy csökkenteni a pixelek száma, míg a változás abban a helyzetben is előfordulhat a különböző körülmények között: a korrekció az objektív torzítása, a változás a szempontból, vagy forgassa el a képet.

Még ha egy változás nagysága vagy van téve szkennelés ugyanazt a képet, az eredmények jelentősen eltérhetnek attól függően, hogy az interpolációs algoritmus. Mivel bármilyen interpoláció csak közelítés, a kép veszít, mint amikor interpolálva. E fejezet célja, hogy jobban megértsük, mi befolyásolja az eredményt - és így segít, hogy minimalizálják a képminőség romlása okozta az interpoláció.

A lényege az interpoláció, hogy használja a rendelkezésre álló adatok, hogy létrehoz a várható értékek az ismeretlen pont. Például ha tudni akarja, mi volt a hőmérséklet, délután volt, de mérve 11 és egy óra, akkor feltételezhető, annak értékét, a lineáris interpoláció:

Ha lenne egy extra dimenzió 11:30, akkor előfordulhat, hogy délig a hőmérséklet gyorsabban nőtt, és használja az extra dimenzió a másodfokú interpoláció:

Minél több hőmérséklet-méréseket akkor dél körül, a bonyolultabb (és várhatóan pontosabb) lehet az interpolációs algoritmus.

Példa kép átméretezés

Interpoláció képek működik két dimenzióban, és megpróbálja elérni a legjobb közelítés a szín és fényerőt a pixel értékek alapján környező képpontok. A következő példa egy méretezési műveletet:

Ezzel szemben a hőmérséklet-ingadozások és a fenti ideális gradiens pixel értékek változhatnak sokkal drasztikusan pontról pontra. Mint az például a hőmérséklet, annál többet tud a környező képpontok, annál jobb a munka interpoláció. Ezért az eredményeket romló gyorsan nyúlik a kép, és emellett az interpolációs soha hozzá képrészletek, amely nem rendelkezik.

Kép forgatása példa

Interpoláció is előfordul minden alkalommal elforgatja a képet, vagy a változás szempontjából. Az előző példa félrevezető volt, mert ez egy speciális eset, amikor a interpolátorok általában jól működik. A következő példa azt mutatja, hogy milyen gyorsan a dolgok elvesznek részletesen a képet:

Egy 90 ° -os
(Veszteségmentes)

2 fordult 45 °

6 fordulattal 15 °

Forgatás 90 ° nem vezet veszteségek, mivel nincs pixel van szükség, hogy a határ két (és ebből következően osztani). Figyeljük meg, hogy mennyi a részlet elveszik az első körben, és a minősége továbbra is csökken a jövőben. Ez azt jelenti, hogy el kell kerülni fordulatok csak lehet; ha egyenetlenül kitéve keret igényel viszont nem forgatni többször.

A fenti eredmények az úgynevezett „kettős köbös” algoritmus és azt mutatják, jelentős minőségromlás. Figyeljük meg, hogy az általános kontrasztot csökken az alacsonyabb intenzitású színű, mint a környező világoskék sötétnek halo. Eredmények lehet sokkal jobb, attól függően, hogy az interpolációs algoritmus és a leképezett tárgy.

Interpolációs algoritmusok

Nem adaptív algoritmusok legközelebbi szomszéd, bilineáris, bicubic, spline, sine bíboros funkció (sinc), Lánczos módszer, és mások. Bonyolultságától függően, ezeket használják 0-256 (vagy több) szomszédos pixelek interpolált. Minél több szomszédos képpontok hogy tartalmaznak, annál pontosabb lehet, de ez megvalósítható rovására jelentős növekedése feldolgozási időt. Ezek az algoritmusok lehet használni szkennelés, valamint a képméret.

Adaptív algoritmusok számos kereskedelmi algoritmusok engedélyezett programok, mint Qimage, PhotoZoom Pro, Valódi Fraktálok és mások. Sokan közülük különböző változatai az algoritmusok (a per-pixel elemzés), ha azok jelenlétének kimutatására a határ - annak érdekében, hogy minimálisra csökkentsék a csúnya interpolációs hibák olyan területeken, ahol azok a leginkább látható. Ezek az algoritmusok elsődleges célja, hogy maximalizálja a hibátlan részletesen bővítések, hogy néhány közülük forgatni, vagy megváltoztathatja a képet kilátások alkalmatlan.

legközelebbi szomszéd

Ez a legalapvetőbb minden interpolációs algoritmus, amely megköveteli a legkevesebb feldolgozási időt, mert csak úgy véli, egy pixel - legközelebb a interpolációs pont. Ennek eredményeként minden egyes pixel egyszerűen egyre nagyobb.

bilineáris interpoláció

Bilineáris interpoláció tartja a négyzet 2x2 pixel ismert, mások ismeretlen. Az interpolált értéket alkalmazzuk súlyozott átlaga alapján e négy pixel. Ennek eredményeként, a képek jelennek meg lényegesen egyenletesebb, mint az eredmény az eljárás a legközelebbi szomszéd.

A diagram bal arra az esetre utal, ahol az összes képpont ismert, hogy az interpolált érték egyszerűen az összegük osztva 4.

bicubic

Bicubic egy lépéssel tovább megy bilineáris figyelembe véve egy sor 4x4 pixeles környéke - csak 16. Mivel ezek találhatók különböző távolságokban neizvestnogopikselya jön pixel kapnak nagyobb súlyt a számítás. Bicubic interpoláció termel sokkal élesebb, mint az előző két módszer, és esetleg az optimális arányt feldolgozási idő és a minőség a kimenetet. Emiatt vált a szabvány sok képszerkesztő programok (például az Adobe Photoshop), nyomtató illesztőprogramok és a beépített kamera interpoláció.

magasabb rendű interpoláció: spline és sinc

Sok más interpolátorok, amelyek figyelembe veszik a több, mint a környező képpontok, és így szükségessé intenzívebb számítástechnika. Ezek az algoritmusok közé bordák és kardinális sine (sinc), és tartsák meg a legtöbb információt a kép után az interpoláció. Ennek eredményeként, ezek nagyon hasznos, ha a képet nem igényel több fordulattal vagy változtatásokat a kilátások az egyes lépések. Azonban az egyetlen zoom vagy nagyobb legyen, mint az algoritmusok kevés vizuális javulás jelentős növekedése feldolgozási idő. Sőt, bizonyos esetekben, az algoritmus bíboros sine egy sima rész megfelel rosszabb bicubic interpoláció.

A megfigyelt hibák interpoláció

Minden nem adaptív interpolátorok megpróbálja megtalálni az optimális egyensúlyt a három nem kívánt hibák: határ halo blur és a fokozatosság.