Wie kann man den idealen Resampling-Algorithmus für einen bestimmten Bildtyp bestimmen?


12

Habe diese Frage gelesen und habe nachgedacht. Wie genau können Sie die beste Resampling-Lösung ermitteln? Ich habe ein Konzept, wenn auch etwas vage, was die grundlegenden Methoden tun.

Gibt es einige gute allgemeine Regeln für verschiedene Bildtypen? Verwenden Sie beispielsweise einen bestimmten Satz von Resampling-Algorithmen für Fotos und einen anderen Satz für Webgrafiken? Würden die Gesamtfarbe des Bildes, der Kontrast des Motivs und des Hintergrunds usw. ins Spiel kommen?


Antworten:


9

Es gibt eine Reihe sehr informativer Tutorials zu Cambridge in Color, die sich mit dem Thema Bildgrößenänderung befassen.

  1. Das Verständnis der Bildinterpolation behandelt die grundlegende Theorie der Bildinterpolation.
  2. Das Ändern der Bildgröße für Web und E-Mail behandelt das Verkleinern von Bildern und die zu beachtenden Fallstricke.
  3. Durch die Optimierung der digitalen Fotovergrößerung werden Bilder in ähnlicher Weise vergrößert.

Das letzte Tutorial ist besonders gut, da es eine Tabelle mit gängigen Interpolationsalgorithmen sowie ein Diagramm gibt, mit dem Sie den Kompromiss visualisieren können, den jeder Algorithmus in Bezug auf Antialiasing, Unschärfe und Kantenhalos aufweist.


6

Die direkte Antwort ist, dass Sie dies letztendlich nicht tun. In sehr vielen Fällen kommt es auf den Geschmack an. Drei Personen, die eine verkleinerte Version eines bestimmten Bildes betrachten, haben möglicherweise (und werden es oft tun) drei unterschiedliche Meinungen darüber, welche die beste ist. Das Beste, was Sie tun können, ist herauszufinden, welche Merkmale eines Bildes Sie für wichtig halten, und eine darauf basierende Methode zu wählen.

Zum Beispiel kann der nächste Nachbar ziemlich gut scharfe Kanten auf Linien beibehalten - viel mehr als die meisten Interpolationsmethoden. Gleichzeitig kann es, wenn es auf Dinge angewendet wird, die "glatt" aussehen sollen (z. B. klarer blauer Himmel), Artefakte erzeugen, die eher wie Kanten aussehen.

Das Gegenteil ist auch der Fall: Interpolation kann dazu beitragen, Farbverläufe zu glätten, "glättet" aber auch scharfe Kanten. Wenn Sie zu weit gehen, können feine Details vollständig gelöscht werden.

Die meisten der besseren Methoden sind bis zu einem gewissen Grad anpassungsfähig. Vereinfacht ausgedrückt, schätzen sie, wie "scharf" die Farbverläufe in den Originaldaten sind, und versuchen, in etwa das gleiche Maß an Glätte / Schärfe beizubehalten, das im Original vorhanden ist. Die Anpassung erfolgt normalerweise, indem das Bild in Blöcken abgetastet und die Anpassung blockweise angewendet wird.

Wenn Sie beispielsweise eine Landschaft mit einem klaren blauen Himmel und Bäumen mit vielen feinen Details (Zweige, Blätter usw.) haben, werden die Zweige weniger geglättet als der Himmel.

Es gibt jedoch verschiedene Arten der Schätzung von Verläufen, von denen keiner perfekt ist, und verschiedene Größen von Fenstern, von denen keines für alle Bilder ideal ist. Das lässt auch zwischen adaptiven Algorithmen einiges an Unterschieden zu.


5

Auf dieser Seite ( Vergleiche der Bildvergrößerungsmethoden ) lassen sich die verschiedenen Interpolationsmethoden gut vergleichen. Und wenn Sie ihr Tool ( SAR Image Processor, Version 4.3 ) herunterladen, können Sie die Qualitätsunterschiede tatsächlich messen.

Obwohl es ein guter Leitfaden zu sein scheint, beantwortet es nicht die Frage, welcher Algorithmus zu welchem ​​Bildtyp passt.

Unten finden Sie einen Auszug ihrer Testergebnisse für die verschiedenen Interpolationsalgorithmen. Diagramm copyright general-cathexis.com .

Bildbeschreibung hier eingeben

Durch die Nutzung unserer Website bestätigen Sie, dass Sie unsere Cookie-Richtlinie und Datenschutzrichtlinie gelesen und verstanden haben.
Licensed under cc by-sa 3.0 with attribution required.