Görüntü ölçekleme - Image scaling

En yakın komşu ölçekleme (solda) ve 2×SaI ölçekleme (sağda) ile ölçeklenmiş bir görüntü

Olarak bilgisayar grafik ve dijital görüntüleme , resim ölçekleme dijital görüntünün yeniden boyutlandırılması için ifade eder. Video teknolojisinde, dijital malzemenin büyütülmesi, yükseltme veya çözünürlük geliştirme olarak bilinir .

Bir vektör grafik görüntüsünü ölçeklerken , görüntüyü oluşturan grafik temel öğeleri, görüntü kalitesinde herhangi bir kayıp olmadan geometrik dönüşümler kullanılarak ölçeklenebilir . Bir raster grafik görüntüsünü ölçeklerken , daha yüksek veya daha düşük piksel sayısına sahip yeni bir görüntü oluşturulmalıdır. Piksel sayısının azaltılması (ölçeğin küçültülmesi) durumunda, bu genellikle gözle görülür bir kalite kaybıyla sonuçlanır. Sayısal sinyal işleme açısından bakıldığında, raster grafiklerin ölçeklendirilmesi, örnekleme hızı dönüşümünün iki boyutlu bir örneğidir, ayrı bir sinyalin bir örnekleme hızından (bu durumda yerel örnekleme hızı) diğerine dönüştürülmesidir.

Matematiksel

Görüntü ölçekleme, Nyquist örnekleme teoreminin görünümünden bir görüntü yeniden örnekleme veya görüntü yeniden oluşturma biçimi olarak yorumlanabilir . Teoreme göre, daha yüksek çözünürlüklü bir orijinalden daha küçük bir görüntüye altörnekleme, yalnızca uygun bir 2B kenar yumuşatma filtresi uygulandıktan sonra, örtüşme artefaktlarını önlemek için gerçekleştirilebilir. Görüntü, daha küçük görüntünün taşıyabileceği bilgilere indirgenir.

Yukarı örnekleme durumunda, kenar yumuşatma filtresinin yerini bir yeniden yapılandırma filtresi alır.

Ölçek büyütmeye yönelik daha karmaşık bir yaklaşım, sorunu ters bir problem olarak ele alır ve ölçek küçültüldüğünde girdi görüntüsüne benzeyen makul bir görüntü oluşturma sorununu çözer. Bunun için, düzenlileştirme terimleriyle optimizasyon teknikleri ve örneklerden makine öğrenimi kullanımı dahil olmak üzere çeşitli teknikler uygulanmıştır .

algoritmalar

Bir görüntü boyutu birkaç yolla değiştirilebilir.

En yakın komşu enterpolasyonu

Görüntü boyutunu artırmanın daha basit yollarından biri , her pikseli çıktıdaki en yakın pikselle değiştirerek en yakın komşu enterpolasyonudur ; yükseltme için bu, aynı renkte birden fazla pikselin bulunacağı anlamına gelir. Bu piksel sanatta keskin ayrıntıları muhafaza, aynı zamanda tanıtabilirsiniz jaggedness önceden pürüzsüz görüntülerdeki. En yakın komşudaki 'en yakın', matematiksel olarak en yakın olmak zorunda değildir. Yaygın bir uygulama, her zaman sıfıra yuvarlamaktır. Bu şekilde yuvarlama daha az yapı oluşturur ve hesaplanması daha hızlıdır.

Bilineer ve bikübik algoritmalar

Çift doğrusal enterpolasyon , piksel renk değerlerini enterpolasyon yaparak çalışır ve orijinal malzemenin ayrı geçişlere sahip olduğu durumlarda bile çıktıya sürekli bir geçiş sağlar. Bu, sürekli tonlu görüntüler için arzu edilir olsa da, bu algoritma kontrastı (keskin kenarlar), hat sanatı için istenmeyen bir şekilde azaltır . Bikübik enterpolasyon , hesaplama maliyetinde bir artışla önemli ölçüde daha iyi sonuçlar verir.

Sinc ve Lanczos yeniden örnekleme

Teoride Sinc yeniden örnekleme , mükemmel bir bant sınırlı sinyal için mümkün olan en iyi yeniden yapılandırmayı sağlar. Uygulamada, yeniden örneklemenin ardındaki varsayımlar, gerçek dünyadaki dijital görüntüler tarafından tam olarak karşılanmaz. sinc yöntemine bir yaklaşım olan Lanczos yeniden örneklemesi daha iyi sonuçlar verir. Bikübik enterpolasyon, Lanczos yeniden örneklemeye hesaplama açısından verimli bir yaklaşım olarak kabul edilebilir.

Kutu örnekleme

Bilineer, bikübik ve ilgili algoritmaların bir zayıflığı, belirli sayıda pikseli örneklemeleridir. Tüm çift örnekleme algoritmaları için ikiden fazla gibi belirli bir eşiğin altında ölçekleme yapıldığında, algoritmalar bitişik olmayan pikselleri örnekleyecektir, bu da hem veri kaybına hem de kaba sonuçlara neden olur.

Bu sorunun önemsiz çözümü, hedef pikseli orijinal görüntüdeki bir kutu olarak kabul etmek ve kutunun içindeki tüm pikselleri örneklemek olan kutu örneklemesidir. Bu, tüm girdi piksellerinin çıktıya katkıda bulunmasını sağlar. Bu algoritmanın en büyük zayıflığı, optimize edilmesinin zor olmasıdır.

Mipmap

İki örneklemeli ölçeklemenin ölçeğini küçültme sorununa bir başka çözüm de mipmap'lerdir . Bir mipmap, önceden ölçeklenmiş bir alt ölçek kopyaları setidir. Ölçek küçültme yapılırken, çift doğrusal ölçeklemenin yararlı eşiğinin altında hiçbir ölçekleme kullanılmadığından emin olmak için, orijin olarak en yakın daha büyük mipmap kullanılır. Bu algoritma hızlıdır ve optimize edilmesi kolaydır. OpenGL gibi birçok çerçevede standarttır . Maliyet, standart uygulamada tam olarak üçte bir oranında daha fazla görüntü belleği kullanmaktır.

Fourier-dönüşüm yöntemleri

Fourier dönüşümüne dayalı basit enterpolasyon , frekans alanını sıfır bileşenle doldurur (pürüzsüz bir pencere tabanlı yaklaşım, zil sesini azaltır ). Ayrıntıların iyi korunmasının (veya kurtarılmasının) yanı sıra, içeriğin sol kenardan sağ kenarlığa (ve tam tersi) çınlaması ve dairesel olarak akması dikkat çekicidir.

Kenara yönelik enterpolasyon

Kenar yönlendirmeli enterpolasyon algoritmaları, merdiven artefaktları oluşturabilen diğer algoritmaların aksine, ölçeklemeden sonra görüntüdeki kenarları korumayı amaçlar.

Bu görev için algoritma örnekleri arasında Yeni Kenara Yönelik İnterpolasyon (NEDI), Kenar Kılavuzlu Görüntü İnterpolasyonu (EGGI), Yinelemeli Eğriliğe Dayalı İnterpolasyon (ICBI) ve Yönlü Kübik Evrişim İnterpolasyonu (DCCI) yer alır. Bir 2013 analizi, DCCI'nin bir dizi test görüntüsünde PSNR ve SSIM'de en iyi puanlara sahip olduğunu buldu .

hqx

Düşük çözünürlüklü ve/veya az renkli (genellikle 2 ila 256 renk) bilgisayar grafiklerini büyütmek için hqx veya diğer piksel sanatı ölçekleme algoritmaları ile daha iyi sonuçlar elde edilebilir . Bunlar keskin kenarlar üretir ve yüksek düzeyde ayrıntıyı korur.

vektörleştirme

Vektör çıkarma veya vektörleştirme , başka bir yaklaşım sunar. Vektörleştirme önce ölçeklenecek grafiğin çözünürlükten bağımsız bir vektör temsilini oluşturur. Daha sonra çözünürlükten bağımsız sürüm, istenen çözünürlükte bir raster görüntü olarak işlenir. Bu teknik Adobe Illustrator , Live Trace ve Inkscape tarafından kullanılır . Ölçeklenebilir Vektör Grafikleri basit geometrik görüntüler için çok uygundur, ancak karmaşıklıkları nedeniyle fotoğraflar vektörleştirme ile pek başarılı olmaz.

Derin evrişimli sinir ağları

Bu yöntem, fotoğraflar ve karmaşık sanat eserleri gibi daha ayrıntılı görüntüler için makine öğrenimini kullanır . Bu yöntemi kullanan programlar arasında waifu2x , Imglarger ve Neural Enhance bulunur.

Waifu2x bir ayrıntısını kullanarak, gürültü azaltma ile upscaling vs geleneksel yukarıölçeklenme Gösteri Fosfor ve Hesperus'un tarafından Evelyn De Morgan . Tam boyutlar için tıklayın.
Gerçek görüntü
PaintShop Pro kullanılarak görüntü %200 büyütüldü
Orta düzeyde gürültü azaltma özelliğine sahip Fotoğraf modunda waifu2x kullanılarak görüntü %200 büyütüldü
Düşük gürültü azaltma özelliğine sahip Topaz AI Gigapixel kullanılarak görüntü %400 büyütüldü
RealSR DF2K-JPEG kullanılarak görüntü %400 büyütüldü

Uygulamalar

Genel

Görüntü ölçekleme, diğer uygulamaların yanı sıra, web tarayıcılarında , görüntü düzenleyicilerde , görüntü ve dosya görüntüleyicilerde, yazılım büyüteçlerinde, dijital yakınlaştırmada, küçük resimler oluşturma sürecinde ve ekranlar veya yazıcılar aracılığıyla görüntülerin çıktısı alınırken kullanılır.

Video

Bu uygulama, örneğin bir DVD oynatıcı gibi PAL-Resolution içeriğinden HDTV'ye hazır çıkış cihazları için ev sinemaları için görüntülerin büyütülmesidir. Yükseltme gerçek zamanlı olarak gerçekleştirilir ve çıkış sinyali kaydedilmez.

Piksel sanatı ölçekleme

As piksel sanat grafik genellikle düşük çözünürlüklü, onlar genellikle renkler sınırlı paleti ile, bireysel piksel dikkatli yerleştirilmesi güveniyor. Bu, tek tek piksellere kadar küçük çözünürlükte karmaşık şekilleri tanımlamak için stilize edilmiş görsel ipuçlarına dayanan grafiklerle sonuçlanır. Bu, piksel sanatının ölçeklenmesini özellikle zor bir problem haline getirir.

Geleneksel ölçekleme algoritmaları algısal ipuçlarını dikkate almadığından, piksel sanatı grafiklerini işlemek için özel algoritmalar geliştirildi.

Tipik bir uygulama görünümünü iyileştirmek için olduğu dördüncü nesil ve önceki video oyunları üzerinde çarşı ve konsol taklitleri , birçok saniyede 60 kare hızında küçük giriş görüntüleri için gerçek zamanlı olarak çalışacak şekilde tasarlanmıştır.

Hızlı donanımda, bu algoritmalar oyun oynama ve diğer gerçek zamanlı görüntü işleme için uygundur. Bu algoritmalar, bulanıklığı en aza indirirken keskin, net grafikler sağlar. Ölçekleme sanatı algoritmaları, HqMAME ve DOSBox gibi çok çeşitli emülatörlerin yanı sıra 2D oyun motorlarında ve ScummVM gibi oyun motoru yeniden yaratmalarında uygulanmıştır . Bu teknolojilerin 1980'ler ve 1990'ların oyun deneyimlerinin yeniden canlanmasını teşvik ettiği oyuncular tarafından tanınırlık kazandılar.

Bu tür filtreler, klasik düşük çözünürlüklü oyunların modern HD ekranlarda görsel olarak daha çekici olmasını sağlamak için şu anda Xbox Live , Sanal Konsol ve PSN'deki ticari emülatörlerde kullanılmaktadır . Bu filtreleri içeren yakın zamanda piyasaya sürülen oyunlar arasında Sonic's Ultimate Genesis Collection , Castlevania: The Dracula X Chronicles , Castlevania: Symphony of the Night ve Akumajō Dracula X Chi no Rondo yer alıyor .

Ayrıca bakınız

Referanslar