Bagaimana seseorang dapat menentukan algoritma resampling yang ideal untuk jenis gambar tertentu?


12

Sedang membaca pertanyaan ini dan mulai berpikir. Bagaimana tepatnya Anda menentukan solusi resampling terbaik? Saya punya konsep, meskipun agak kabur, tentang apa yang dilakukan metode dasar.

Apakah ada beberapa aturan umum yang baik untuk berbagai jenis gambar? Misalnya menggunakan seperangkat khusus algoritma resampling untuk foto dan set yang berbeda untuk grafis web? Apakah warna keseluruhan gambar, kontras subjek dan latar belakang, dll ikut bermain?


Jawaban:


9

Ada serangkaian tutorial yang sangat informatif tentang Cambridge in Color yang membahas tentang pengubahan ukuran gambar.

  1. Memahami Interpolasi Gambar mencakup teori dasar di balik interpolasi gambar.
  2. Mengubah ukuran gambar untuk Web dan Email mencakup perampingan gambar dan jebakan yang harus diwaspadai.
  3. Mengoptimalkan Pembesaran Foto Digital juga mencakup gambar skala atas.

Tutorial terakhir sangat baik, karena ada tabel algoritma interpolasi umum bersama dengan diagram yang membantu Anda memvisualisasikan trade-off masing-masing algoritma sehubungan dengan anti-aliasing, kabur dan tepi lingkaran cahaya.


6

Jawaban langsungnya adalah bahwa pada akhirnya, Anda tidak. Dalam banyak kasus, ini berhubungan dengan masalah selera. Tiga orang yang melihat versi yang diubah ukurannya dari gambar tertentu mungkin (dan seringkali akan) memiliki tiga pendapat berbeda tentang mana yang terbaik. Tentang yang terbaik yang dapat Anda lakukan adalah memilih fitur gambar yang Anda anggap penting, dan memilih metode berdasarkan itu.

Misalnya, tetangga terdekat melakukan pekerjaan yang cukup baik dalam mempertahankan garis tajam pada garis - jauh lebih banyak daripada kebanyakan metode interpolasi. Pada saat yang sama, dapat ketika diterapkan pada hal-hal yang seharusnya terlihat "halus" (misalnya, langit biru jernih) dapat menghasilkan artefak yang terlihat seperti pinggiran.

Kebalikannya juga benar: interpolasi dapat membantu menghaluskan gradien, tetapi juga cenderung "menghaluskan" apa yang seharusnya menjadi tepi yang tajam. Jika Anda melangkah terlalu jauh, detail-detail kecil dapat dihapus sepenuhnya.

Sebagian besar metode yang lebih baik adaptif hingga tingkat tertentu. Sederhananya, mereka memperkirakan seberapa "tajam" dari gradien data asli berisi dan berusaha untuk mempertahankan tingkat kelancaran / ketajaman yang kira-kira sama dengan yang ada pada aslinya. Adaptasi biasanya dilakukan dengan memindai gambar dalam blok, dan menerapkan adaptasi pada basis blok-demi-blok.

Misalnya, jika Anda memiliki lanskap dengan langit biru jernih dan pohon-pohon dengan banyak detail halus (cabang, daun, dll.) Itu akan berlaku jauh lebih halus untuk cabang daripada ke langit.

Namun, ada berbagai cara untuk memperkirakan gradien, tidak ada yang sempurna, dan berbagai ukuran jendela, tidak ada yang ideal untuk semua gambar. Itu menyisakan ruang untuk sejumlah perbedaan yang adil bahkan di antara algoritma adaptif.


5

Situs ini ( Perbandingan Metode Pembesaran Gambar ) melakukan pekerjaan yang baik untuk membandingkan metode interpolasi yang berbeda. Dan jika Anda mengunduh alat mereka ( SAR Image Processor, versi 4.3 ) Anda sebenarnya dapat mengukur perbedaan kualitas.

Meskipun tampaknya menjadi panduan yang baik tetapi tidak menjawab pertanyaan tentang algoritma apa yang cocok dengan tipe gambar apa.

Di bawah ini adalah ekstrak dari hasil pengujian mereka untuk berbagai algoritma interpolasi. Diagram hak cipta general-cathexis.com .

masukkan deskripsi gambar di sini

Dengan menggunakan situs kami, Anda mengakui telah membaca dan memahami Kebijakan Cookie dan Kebijakan Privasi kami.
Licensed under cc by-sa 3.0 with attribution required.