Войти
Изображение, масштабированное с помощью масштабирования ближайшего соседа (слева) и 2-кратного масштабирования SaI ( справа) В компьютерной графике и цифровом изображении, imageмасштабирование относится к изменению размера цифрового изображения. В видеотехнологиях увеличение цифрового материала называется апскейлингом или повышением разрешения.
При масштабировании векторной графики изображения графические примитивы, составляющие изображение, можно масштабировать с помощью геометрических преобразований, без потери качества изображения . При масштабировании изображения растровой графики необходимо сгенерировать новое изображение с большим или меньшим количеством пикселей. В случае уменьшения количества пикселей (масштабирования) это обычно приводит к видимой потере качества. С точки зрения обработки цифрового сигнала, масштабирование растровой графики является двумерным примером преобразования частоты дискретизации, преобразования дискретного сигнала из частоты дискретизации (в данном случай локальной частоты дискретизации) к другому.
Масштабирование изображения можно интерпретировать как форму передискретизации изображения или реконструкции изображения с точки зрения Найквиста. теорема выборки. Согласно теореме, понижающая дискретизация до меньшего изображения из оригинала с более высоким разрешением может выполняться только после применения подходящего 2D фильтра сглаживания для предотвращения артефактов наложения спектров. Изображение сокращается до информации, которую может нести меньшее изображение.
В случае повышающей дискретизации фильтр реконструкции заменяет фильтр сглаживания.
Исходное изображение
Исходное изображение в пространственно-частотной области
Отфильтрованное изображение в пространственно-частотной области
4-кратное субдискретизированное
4-кратное повышение частоты дискретизации Фурье ( правильная реконструкция)
4-кратное повышение дискретизации Фурье (с наложением)
Более сложный подход к масштабированию рассматривает проблему как обратную задачу, решая вопрос создания правдоподобного изображения, которое при масштабировании вниз, будет выглядеть как входное изображение. Для этого применялись различные методы, в том числе методы оптимизации с регуляризацией терминов и использование машинного обучения из примеров.
Размер изображения можно изменить несколькими способами.
Одним из более простых способов увеличения размера изображения является интерполяция ближайшего соседа, заменяющая каждый пиксель ближайшим пикселем на выходе; для масштабирования это означает, что будут присутствовать несколько пикселей одного цвета. Это может сохранить резкие детали в пиксельной графике, но также привнести неровность в ранее гладкие изображения. «Ближайший» в ближайшем соседе не обязательно должен быть математическим ближайшим. Одна из распространенных реализаций - всегда округлять до нуля. Такое округление приводит к меньшему количеству артефактов и более быстрому вычислению.
Билинейная интерполяция работает путем интерполяции значений цвета пикселей, вводя непрерывный переход в выходной сигнал, даже если исходный материал имеет дискретные переходы. Хотя это желательно для изображений с непрерывным тоном, этот алгоритм снижает контраст (резкие края) таким образом, что это может быть нежелательно для штрихового рисунка. Бикубическая интерполяция дает значительно лучшие результаты с увеличением вычислительных затрат.
Передискретизация Синка теоретически обеспечивает наилучшее возможное восстановление для сигнала с полностью ограниченной полосой пропускания. На практике допущения, лежащие в основе повторной выборки sinc, не полностью соответствуют реальным цифровым изображениям. Передискретизация по Ланцошу, приближение к методу sinc, дает лучшие результаты. Бикубическую интерполяцию можно рассматривать как вычислительно эффективное приближение передискретизации Ланцоша.
Одним из недостатков билинейных, бикубических и связанных с ними алгоритмов является то, что они выбирают определенное количество пикселей. При уменьшении масштаба ниже определенного порога, например, более чем в два раза для всех алгоритмов двойной выборки, алгоритмы будут производить выборку несмежных пикселей, что приводит как к потере данных, так и к грубым результатам.
Тривиальным решением этой проблемы является выборка блока, которая заключается в рассмотрении целевого пикселя в виде блока на исходном изображении и выборки всех пикселей внутри блока. Это гарантирует, что все входные пиксели вносят вклад в выходной. Основная слабость этого алгоритма в том, что его сложно оптимизировать.
Еще одно решение проблемы уменьшения масштаба при двукратном масштабировании - mipmaps. MIP-карта - это предварительно масштабированный набор уменьшенных копий. При уменьшении масштаба ближайшая большая MIP-карта используется в качестве источника, чтобы гарантировать, что масштабирование ниже полезного порога билинейного масштабирования не используется. Этот алгоритм работает быстро и легко оптимизируется. Это стандарт во многих фреймворках, таких как OpenGL. Стоимость заключается в использовании большего объема памяти изображений, ровно на треть больше в стандартной реализации.
Простая интерполяция на основе преобразования Фурье дополняет частотную область нулевыми компонентами (подход на основе сглаженного окна уменьшит звонок ). Помимо хорошей сохранности (или восстановления) деталей, следует отметить звенящий и круговой растекание содержимого от левого края к правому (и наоборот).
Алгоритмы направленной на кромку интерполяции направлены на сохранение кромок на изображении после масштабирования, в отличие от других алгоритмов, которые могут создавать ступенчатые артефакты.
Примеры алгоритмов для этой задачи включают в себя новую интерполяцию по краям (NEDI), интерполяцию изображений по краям (EGGI), (ICBI) и интерполяцию с направленной кубической сверткой (DCCI). Анализ 2013 года показал, что у DCCI были лучшие результаты в PSNR и SSIM на серии тестовых изображений.
Для увеличения компьютерной графики при низком разрешении и / или небольшом количестве цветов (обычно от 2 до 256 цветов) лучшие результаты могут быть достигнуты с помощью hqx или других алгоритмов масштабирования пиксельной графики. Они создают острые края и поддерживают высокий уровень детализации.
Извлечение векторов или векторизация предлагают другой подход. Векторизация сначала создает не зависящее от разрешения векторное представление масштабируемой графики. Затем версия, не зависящая от разрешения, визуализируется как растровое изображение с желаемым разрешением. Этот метод используется в Adobe Illustrator, Live Trace и Inkscape. Масштабируемая векторная графика хорошо подходит для простых геометрических изображений, тогда как фотографии плохо справляются с векторизация из-за их сложности.
Этот метод использует машинное обучение для получения более детальных изображений, таких как фотографии и сложные произведения искусства. Среди программ, использующих этот метод, есть waifu2x, Imglarger и Neural Enhance.
Демонстрация обычного апскейлинга по сравнению с апскейлингом Waifu2x с шумоподавлением с использованием деталей Phosphorus и Hesperus от Эвелин де Морган. Щелкните для просмотра в полном размере.
Исходное изображение 
Изображение увеличено на 200% с помощью PaintShop Pro 
Изображение увеличено на 200% с помощью waifu2x в режиме фото со средним шумоподавлением 
Изображение увеличено 400% с использованием Topaz AI Гигапиксель с низким уровнем шума Масштабирование изображения используется, помимо других приложений, в веб-браузерах, средствах просмотра изображений и файлов, программных увеличителях, цифровых zoom, процесс создания уменьшенных изображений и при выводе изображений на экраны или принтеры.
Это приложение предназначено для увеличения изображений для домашних кинотеатров для устройств вывода с поддержкой HDTV из контента PAL-Resolution, например, с DVD-плеера. Масштабирование выполняется в реальном времени, выходной сигнал не сохраняется.
Поскольку графика пиксельная графика обычно имеет низкое разрешение, она основана на тщательном размещении отдельных пикселей, часто с ограниченной палитрой цветов. В результате получается графика, основанная на стилизованных визуальных подсказках для определения сложных форм с небольшим разрешением вплоть до отдельных пикселей. Это делает масштабирование пиксельной графики особенно сложной проблемой.
Для обработки пиксельной графики были разработаны специализированные алгоритмы, поскольку традиционные алгоритмы масштабирования не принимают во внимание перцепционные сигналы.
Поскольку типичное приложение предназначено для улучшения внешнего вида четвертого поколения и более ранних видеоигр на аркадных и консольных эмуляторах, многие из них предназначены для работы в режиме реального времени для небольших входных изображений со скоростью 60 кадров в секунду.
На быстром оборудовании эти алгоритмы подходят для игр и другой обработки изображений в реальном времени. Эти алгоритмы обеспечивают резкую, четкую графику, сводя к минимуму размытость. Алгоритмы масштабирования графики реализованы в широком диапазоне эмуляторов, 2D игровых движков и воссозданных игровых движков, таких как HqMAME, DOSBox и ScummVM. Они получили признание среди геймеров, для которых эти технологии способствовали возрождению игрового опыта 1980-х и 1990-х годов.
Такие фильтры в настоящее время используются в коммерческих эмуляторах на Xbox Live, Virtual Console и PSN, чтобы классические игры с низким разрешением выглядели более привлекательно на современных дисплеях HD. Недавно выпущенные игры, которые включают эти фильтры, включают Sonic's Ultimate Genesis Collection, Castlevania: The Dracula X Chronicles, Castlevania: Symphony of the Night и Akumaj Дракула X Чи но Рондо.
 | носители, связанные с масштабированием изображения. |
.jpg){kind=link}