Vaizdo dydžio keitimas vs. Pakartotinis mėginių ėmimas: koks skirtumas?

Vaizdo dydžio keitimas ir vaizdo pakartojimas apima vaizdo skiriamąją gebą; jo atokiausių ribų plotis ir aukštis. Nepaisant šio panašumo, šie terminai niekada neturėtų būti vartojami pakaitomis.

Koks skirtumas, tiksliai? Skaitykite toliau, kad su mumis pasiskeltumėte plaukus.

Vaizdo dydis: apibrėžimas ir prasmė

Naudodami bet kokį bitmap vaizdą, turite pikselių lauką, susietą su aukščiu ir pločiu, paprastai pirmiausia apibūdinamą pikseliais, o po to aprašant picas arba coliais. Tai yra vaizdo dydis, koks jis egzistuoja skaitmeniniu būdu. Šie pikseliai veikia kaip valiuta; vaizde yra nustatytas jų skaičius, visiems priskirtas konkretus ir nepajudinamas tapatumas.

Kai reikia pakeisti vaizdo dydį, turite keletą parinkčių. Vienas būtų pasėlių tai. Tai darydami nepakeičiate jokių pirminio vaizdo būdingų savybių – tiesiog paliekate dalį jo (kai kurių pikselių).

Tai toli gražu ne vienintelė mūsų galimybė, kai dėl vienos ar kitos priežasties reikia pakeisti vaizdo dydį. Tačiau kai padidiname arba sumažiname vaizdo mastelį, įvyksta kažkas šiek tiek kitokio.

Kas yra vaizdo dydžio keitimas?

Dydžio keitimas vaizdas yra diskretiško arba ištisinio vaizdo mastelio keitimo procesas, naudojant skiriamąją gebą. Jokia vaizdo dalis nepalieka, net jei aukščio ir pločio santykis pasikeičia.

Ištisiniai vaizdai apima tokius dalykus kaip vektoriai ir kiti kompiuteriu sukurti vaizdai. Atskirus vaizdus sudaro taškinės nuotraukos ir grafika; bet ką, kur turite tam tikrą pikselių rinkinį, su kuriuo galite dirbti. Jei naudojate vektorinį vaizdą, galite jo dydį padidinti arba sumažinti nekeisdami iš esmės. Tačiau taškiniai vaizdai yra kita istorija.

Paprastas, 2X bitmap vaizdo padidinimas paima kiekvieną pikselį ir tiesiog padidina jo dydį proporcingai kartu su raiška, panašiai kaip tiesiog koreguojant vaizdo DPI ir nieko daugiau nedarydamas. Tačiau po to priartinus iki 100 procentų atskleidžiamas vaizdas, kuris dabar yra daug didesnis, tačiau taip pat gerokai pablogėjo jo kokybė.

Kas yra vaizdo resampliavimas?

Pakartotinis mėginių ėmimas yra procesas, kuris sulieja linijas tarp šių pikselių, kai juos išskleidžiame toliau arba stumiame arčiau vienas kito, todėl galutinis rezultatas daug labiau panašus į originalą. Kaip tai veikia?

Keičiant vektoriaus dydį, visai nereikės iš naujo kartoti vaizdo; Skaitmeninio objekto matematika užpildo tuščias vietas, pridedant ir pašalinant vidutines vertes, kai koreguojame. Tačiau kas nutinka, kai reikia sukurti naujų taškų arba panaikinti kanoninius pikselius?

Kad tai būtų pasiekta, vaizdas turi būti atrinktas iš naujo – algoritmai iškviečia, kur nubrėžta linija. Pikseliai, kurie anksčiau buvo kaimynai, pasiekia vienas kitą ir bando rasti bendrą kalbą; jei vaizdas mažinamas, šie vidurkių dėsniai naudojami sprendžiant, kurios reikšmės išlieka, o kurios lieka.

Vaizdas analizuojamas ir atkuriamas kompiuteriu, išverčiamas ir susietas su didesniu ar mažesniu matmenų rinkiniu.

Pasirūpinus tuo, kiekvienas vaizdo komponentas turi būti „atrinktas“ – skirtumai tarp originalus bitmap ir tai, ką sukurti kompiuteriui buvo pavesta, yra kiekybiškai įvertinami, o vidurkiai naudojami poilsis.

Didinant mastelį, laukas išpučiamas, tarp visų pikselių paliekami tarpai, o sumažinus jie visi suspaudžiami vienas ant kito. Šios dviprasmiškos eterio ir persidengiančios sritys turi būti apgyvendintos; procesai atitinkamai vadinami didinimu ir sumažinimu.

Įvairūs pakartotinio atrankos tipai

Reikia atsižvelgti į keletą plačių vaizdų atrankos kategorijų:

• Artimiausias kaimynas: Šis terminas apibūdina paprastą 2X padidinimą, aprašytą anksčiau. Tai archajiškas veiksmų atlikimo būdas, dėl kurio galite arba blokiškai didinti, arba grūdėtąjį sumažinimą.
• Bilinear: Taikant šį metodą gaunama linijinė pirminio vaizdo interpretacija. Tokiu būdu padidinus vaizdo mastelį, paprastai atsiranda kažkas neryškaus.
• Bikubinis: Tai metodas, kurį naudoja dauguma prekių ženklų, kuriais pasitikime. Čia paprastai bus įtraukta tam tikra ryškinimo parinktis ir anti-aliasing.
• Lanczos: Tikriausiai pats sudėtingiausias – šis algoritmas remiasi 4 x 4, 6 x 6 arba 8 x 8 matrica, supančia kiekvieną naują išvesties vaizdo pikselį.

Jei dirbate su žiniasklaida, kai kurios iš jų tikriausiai jums atrodo labiau nei pažįstamos. Tačiau šiame sąraše minimi tik dažniausiai pasitaikantys pakartotinio atrankos tipai; yra daug kitų egzotiškesnių formulių, tenkinančių kitų sektorių poreikius. Bet jums tikriausiai niekada nereikės jaudintis dėl nė vieno iš jų.

Kada ir kodėl atrenkami vaizdai?

Kiekvieną kartą, kai vaizdas konvertuojamas iš analoginio į skaitmeninį arba iš skaitmeninio į analoginį, pvz., kai padaroma nuotrauka arba vaizdas nuskaitomas ir spausdinamas, paprastai prieš galutinį pateikimą bus atliktas kelis pakartotinio atrankos etapus.

Tai netgi apima vaizdo glaudinimą, kai konvertuojate neapdorota nuotrauka JPEG formatu, iš pradžių buvusios vaizdinės informacijos gausa sumažinama, o vėliau naudojama kuriant naują bitų schemą. Atsakymai negali būti tiesiog iš piršto laužti, antraip iš naujo paimta nuotrauka neatrodys pakankamai panaši į pradinę bitmapą ir projektas bus sugadintas.

Laimei, mūsų skaitmeniniai kompanionai yra daugiau nei pajėgūs priimti šiuos sunkius sprendimus milijonus kartų mikroskopiniu lygmeniu. Šios interpoliacijos ir anti-aliasing pastangos parodo skirtumą tarp priimtinai ištikimos transformacijos ir kažko akivaizdžiai prastesnio už originalą.

Susijęs: Kaip paketiniu būdu konvertuoti vaizdus ir pakeisti jų dydį „Mac“.

Vaizdo resamplingo praktiniai pritaikymai

Šias dvi sąvokas suformulavome kaip dvynius, tačiau pakartojimas pavagia pasirodymą. Yra daug realaus pasaulio resampling taikomųjų programų, kai kurios iš jų gerokai viršija žiniasklaidos kūrimo pasaulį:

• Resampling gali būti naudojamas taisyti tokius dalykus kaip statinės iškraipymas optinėse sistemose Kaip teleskopai ir mikroskopai.
• Tai taip pat yra nuotraukų procesas DeBayered bet kurio skaitmeninio fotoaparato jutiklyje.
• Fotomozaikos, toks kaip panoramos ir didelio masto astrofotografija, iš naujo paimkite kiekvieną dėlionės dalį, kad atsižvelgtumėte į tokius dalykus kaip nedideli ekspozicijos ir laiko skirtumai tarp kadrų.
• CGI vaizdų pavyzdžiai gali būti pakartotinai atrinkti, kad būtų tekstūruotos ir užtamsintas.
• Prie jo netgi galima priprasti žemėlapį ir optimizuoti roboto įrankio matymo laukas ir jungties parametrai, suderinant jį su operatoriaus valdymo tašku kitur. Dalykai, kaip chirurgija su robotu, radiochirurgija, ir dar daugiau, visa tai tapo įmanoma per šį gyvybę gelbstintį triumfą.

Vaizdo kūrimas kaip pramonė nuo neatmenamų laikų nuėjo ilgą kelią. Priemonės, kurias dabar turime, yra tik naujausios ilgos eksperimentų, nesėkmių ir pergalių serijos. Visos mūsų nuotraukos puikiai atrodo kaip tiesioginis rezultatas. Ačiū, mokslai.

Susijęs: Kaip padidinti vaizdo mastelį neprarandant kokybės

Dydžio keitimas vs. Resampling: pasakojimas apie įvairias proporcijas

Kas nustato ginčo vaizdo dydžio keitimą ir atranką? Geros naujienos: sprendimo paprastai nepriimsite jūs, nebent planuojate patys pasinerti ir atkurti vaizdą po pikselį.

Sąžiningai? Tai yra kažkas, ką pamatytume. Tačiau mes visi puikiai susitvarkysime su įrankiais, kurie leidžia automatizuoti tokį darbą.

Kokius DPI nustatymus turėtumėte naudoti skaitmeninėms nuotraukoms?

Netinkami DPI nustatymai gali būti priežastis, dėl kurios jūsų išspausdintos nuotraukos neatrodo aukštos kokybės. Taigi, kokie yra teisingi nustatymai?

Skaitykite toliau

Apie autorių