Категории

Cуществуют следующие способы оплаты за занятия:

  • Абонемент на 8 посещений (срок действия 1 месяц) - 300 грн.;
  • Абонемент на 4 посещения (срок действия 1 месяц) - 200 грн.;
  • Абонемент на 12 посещений(срок действия 1 месяц) - 400 грн.;
  • Разовое посещение - 60 грн.
(ДЛИТЕЛЬНОСТЬ ЗАНЯТИЙ ПО 1,5 ЧАСА)

Що таке інтерполяція цифрового зображення

  1. концепція
  2. Приклад зміни розміру зображення
  3. Приклад обертання зображення
  4. Типи алгоритмів інтерполяції
  5. Метод найближчого сусіда
  6. Білінійна інтерполяція
  7. Бикубическая інтерполяція
  8. Інтерполяція вищого порядку: сплайни і sinc
  9. Спостережувані дефекти інтерполяції
  10. згладжування
  11. Оптичний і цифровий зум

Інтерполяція зображень відбувається у всіх цифрових фотографіях на певному етапі, будь то дематрізація або масштабування. Вона відбувається всякий раз, коли ви змінюєте розмір або розгортку зображення з однієї сітки пікселів в іншу. Зміна розміру зображення необхідно, коли вам потрібно збільшити або зменшити число пікселів, тоді як зміна положення може відбуватися в самих різних випадках: виправлення викривлень об'єктива, зміна перспективи або поворот зображення.

Навіть якщо зміни розміру або розгортки піддається одне і те ж зображення, результати можуть значно відрізнятися в залежності від алгоритму інтерполяції. Оскільки будь-яка інтерполяція є всього лише наближенням, зображення буде дещо втрачати в якості щоразу, коли піддається інтерполяції. Дана глава покликана забезпечити краще розуміння того, що впливає на результат, - і тим самим допомогти вам мінімізувати будь-які втрати якості зображення, викликані інтерполяцією.

концепція

Суть інтерполяції полягає в використанні наявних даних для отримання очікуваних значень в невідомих точках. Наприклад, якщо вам захотілося знати, яка була температура опівдні, але вимірювали її в 11 і в годину, можна припустити її значення, застосувавши лінійну інтерполяцію:

Якби у вас було додатковий вимір о пів на дванадцяту, ви могли б помітити, що до полудня температура росла швидше, і використовувати це додатковий вимір для квадратической інтерполяції:

Чим більше вимірювань температури ви будете мати близько полудня, тим більше комплексним (і очікувано більш точним) може бути ваш алгоритм інтерполяції.

Приклад зміни розміру зображення

Інтерполяція зображень працює в двох вимірах і намагається досягти найкращого наближення в кольорі і яскравості пікселя, грунтуючись на значеннях оточуючих пікселів. Наступний приклад ілюструє роботу масштабування:

На відміну від коливань температури повітря і вищенаведеного ідеального градієнта, значення пікселів можуть змінюватися набагато різкіше від точки до точки. Як і в прикладі з температурою, чим більше ви знаєте про оточуючих пікселях, тим краще спрацює інтерполяція. Ось чому результати швидко погіршуються в міру розтягування зображення, а крім того, інтерполяція ніколи не зможе додати зображенню детальності, якої в ньому немає.

Приклад обертання зображення

Інтерполяція відбувається також кожен раз, коли ви повертаєте або змінюєте перспективу зображення. Попередній приклад був оманливий, оскільки це окремий випадок, в якому інтерполятора зазвичай працюють непогано. Наступний приклад показує, як швидко може бути втрачена детальність зображення:

Поворот на 90 ° не вносить втрат, оскільки жоден піксель не потрібно помістити на кордон між двома (і як наслідок розділити). Зауважте, як велика частина деталей втрачається при першому ж повороті, і як якість продовжує падати при наступних. Це означає, що слід уникати обертань, наскільки можливо; якщо нерівно виставлений кадр вимагає повороту, не слід обертати його більш ніж один раз.

Вищенаведені результати використовують так званий «Бікубічеський» алгоритм і показують істотне погіршення якості. Зверніть увагу, як знижується загальний контраст в зв'язку зі зниженням інтенсивності кольору, як навколо світло-синього виникають темні гало. Результати можуть бути значно краще в залежності від алгоритму інтерполяції і зображуваного предмета.

Типи алгоритмів інтерполяції

Загальноприйняті алгоритми інтерполяції можна поділити на дві категорії: адаптивні та неадаптівние. Адаптивні методи змінюються в залежності від предмета інтерполяції (різкі кордону, гладка текстура), тоді як неадаптівние методи обробляють всі пікселі однаково.

Неадаптивні алгоритми включають: метод найближчого сусіда, білінійної, Бікубічеський, сплайни, функція кардинального синуса (sinc), метод Ланцоша і інші. Залежно від складності, вони використовують від 0 до 256 (або більше) суміжних пікселів для інтерполяції. Чим більше суміжних пікселів вони включають, тим більш точними можуть виявитися, але це досягається за рахунок значного приросту часу обробки. Ці алгоритми можуть використовуватися як для розгортки, так і для масштабування зображення.

Адаптивні алгоритми включають в себе багато комерційних алгоритми в ліцензованих програмах, таких як Qimage, PhotoZoom Pro, Genuine Fractals і інші. Багато з них застосовують різні версії своїх алгоритмів (на основі попиксельного аналізу), коли виявляють наявність кордону - з метою мінімізувати непривабливі дефекти інтерполяції в місцях, де вони найбільш видно. Ці алгоритми в першу чергу розроблені для максимізації бездефектної детальності збільшених зображень, так що деякі з них для обертання або зміни перспективи зображення непридатні.

Метод найближчого сусіда

Це найбільш базовий з усіх алгоритмів інтерполяції, який вимагає найменшого часу обробки, оскільки враховує тільки один піксель - найближчий до точки інтерполяції. В результаті кожен піксель просто стає більше.

Білінійна інтерполяція

Білінійна інтерполяція розглядає квадрат 2x2 відомих пікселя, що оточують невідомий. Як інтерпольованого значення використовується зважене усереднення цих чотирьох пікселів. В результаті зображення виглядають значно більш гладко, ніж результат роботи методу найближчого сусіда.

Діаграма зліва відноситься до випадку, коли всі відомі пікселі рівні, так що интерполированное значення просто є їх сумою, поділеної на 4.

Бикубическая інтерполяція

Бикубическая інтерполяція йде на один крок далі билинейной, розглядаючи масив з 4x4 оточуючих пікселів - всього 16. Оскільки вони знаходяться на різних відстанях від неізвестногопікселя, найближчі пікселі отримують при розрахунку більшу вагу. Бикубическая інтерполяція виробляє значно різкіші зображення, ніж попередні два методи, і можливо, є оптимальною по співвідношенню часу обробки і якості на виході. З цієї причини вона стала стандартною для багатьох програм редагування зображень (включаючи Adobe Photoshop), драйверів принтерів і вбудованою інтерполяції камер.

Інтерполяція вищого порядку: сплайни і sinc

Є багато інших інтерполятора, які беруть до уваги більше оточуючих пікселів і таким чином вимагають більш інтенсивних обчислень. Ці алгоритми включають в себе сплайни і кардинальний синус (sinc), і вони зберігають більшість інформації про зображення після інтерполяції. Як наслідок, вони є виключно корисними, коли зображення вимагає декількох поворотів або змін перспективи за окремі кроки. Однак, для одноразових збільшень або поворотів такі алгоритми вищого порядку дають незначне візуальне поліпшення при істотному збільшенні часу обробки. Більш того, в деяких випадках алгоритм кардинального синуса на гладкому ділянці відпрацьовує гірше, ніж бікубічеськая інтерполяція.

Спостережувані дефекти інтерполяції

Все неадаптівние інтерполятора намагаються підібрати оптимальний баланс між трьома небажаними дефектами: граничними гало, розмиванням і ступінчастістю.

Навіть найбільш розвинені неадаптівние інтерполятора завжди змушені збільшувати або зменшувати один з вищенаведених дефектів за рахунок двох інших - як наслідок, як мінімум один з них буде помітний. Зауважте, наскільки граничне гало схоже на дефект, який породжується підвищенням різкості за допомогою нерезкой маски , І як воно підвищує гадану різкість за допомогою посилення чіткості .

Адаптивні інтерполятора можуть створювати або не створювати вищеописані дефекти, але вони теж можуть породити невластиві вихідного зображення текстури або поодинокі пікселі на великих масштабах:

З іншого боку, деякі «дефекти» адаптивних інтерполятора теж можуть розглядатися як переваги. Оскільки очей очікує побачити в областях з дрібної текстурою, таких як листя, деталі аж до найдрібніших подробиць, подібні малюнки можуть обдурити очей на відстані (для певних видів матеріалу).

згладжування

Згладжування або анти-алиасинг є процесом, який намагається мінімізувати появу східчастих або зубчастих діагональних кордонів, які надають тексту або зображень грубий цифровий вигляд:

Згладжування видаляє ці сходинки і створює враження більш м'яких кордонів і з високою роздільною здатністю. Воно бере до уваги, наскільки ідеальна межа перекриває суміжні пікселі. Ступінчаста межа просто округлена вгору або вниз без проміжного значення, тоді як згладжена межа видає значення, пропорційне тому, наскільки багато від кордону потрапило в кожен піксель:

Важливим міркуванням при збільшенні зображень є запобігання надмірної ступенчатости в результаті інтерполяції. Багато адаптивні інтерполятора визначають наявність кордонів і коригуються з метою мінімізувати ступінчастою, зберігши при цьому різкість кордону . Оскільки згладжена межа містить інформацію про своє становище при більш високій роздільній здатності, цілком можливо, потужний адаптивний (визначає межі) інтерполятор зможе хоча б частково реконструювати кордон при збільшенні.

Оптичний і цифровий зум

Багато компактні цифрові камери можуть здійснювати як оптичне, так і цифрове збільшення (зум). Оптичний зум здійснюється рухом варіоб'ектіва, так щоб світло посилювався до потрапляння на цифровий сенсор. На контрасті, цифровий зум знижує якість, оскільки здійснює просту інтерполяції зображення - вже після отримання його сенсором.

Навіть незважаючи на те, що фото з використанням цифрового зуму містить стільки ж побільшало пікселів, його детальність чітко менше, ніж при використанні оптичного зума. Цифровий зум слід практично повністю виключити, за вирахуванням випадків, коли він допомагає відобразити віддалений об'єкт на РК-екрані камери. З іншого боку, якщо ви зазвичай знімаєте в JPEG і хочете згодом обрізати і збільшити знімок, цифровий зум має перевагу в тому, що його інтерполяція здійснюється до внесення дефектів компресії. Якщо ви виявляєте, що цифровий зум вам потрібен занадто часто, купіть телеконвертор, а ще краще об'єктив з великою фокусною відстанню.

Докладнішу інформацію можна отримати до тематичних статей:
Збільшення цифрових фотографій
Зміна розміру зображень для Web і Email