Comment déterminer l'algorithme de rééchantillonnage idéal pour un type d'image donné?

12

Je lisais cette question et j'ai réfléchi. Comment pouvez-vous déterminer exactement la meilleure solution de rééchantillonnage? J'ai une idée, quoique quelque peu vague, de ce que font les méthodes de base.

Existe-t-il de bonnes règles générales pour différents types d'images? Par exemple, en utilisant un ensemble particulier d'algorithmes de rééchantillonnage pour les photos et un ensemble différent pour les graphiques Web? La couleur globale de l'image, le contraste du sujet et de l'arrière-plan, etc. entreraient-ils en jeu?

Imagen
la source
Duplicata possible: photo.stackexchange.com/questions/2394/…
Evan Krall

Réponses:

9

Il existe une série de didacticiels très instructifs sur Cambridge in Color qui traitent du sujet du redimensionnement d'image.

  1. Comprendre l'interpolation d'images couvre la théorie de base de l'interpolation d'images.
  2. Le redimensionnement d'image pour le Web et le courrier électronique couvre la réduction de la taille des images et les pièges à surveiller.
  3. L'optimisation de l'agrandissement des photos numériques couvre également les images à échelle supérieure.

Le dernier didacticiel est particulièrement bon, car il existe un tableau d'algorithmes d'interpolation courants ainsi qu'un diagramme qui vous aide à visualiser le compromis de chaque algorithme en ce qui concerne l'anti-aliasing, le flou et les halos de bord.

CadentOrange
la source
6

La réponse directe est qu'en fin de compte, vous ne le faites pas. Dans bien des cas, cela se résume à une question de goût. Trois personnes qui regardent des versions redimensionnées d'une image particulière peuvent (et souvent auront) trois opinions différentes sur laquelle est la meilleure. Le mieux que vous puissiez faire est de choisir les caractéristiques d'une image que vous jugez importantes et de choisir une méthode en fonction de cela.

Par exemple, le voisin le plus proche réussit assez bien à maintenir des arêtes vives sur les lignes - bien plus que la plupart des méthodes d'interpolation. Dans le même temps, il peut, lorsqu'il est appliqué à des choses qui devraient avoir l'air "lisses" (par exemple, un ciel bleu clair), il peut produire des artefacts qui ressemblent plutôt à des bords.

L'inverse est également vrai: l'interpolation peut aider à lisser les dégradés, mais a également tendance à "lisser" ce qui devrait être des arêtes vives. Si vous allez trop loin, les moindres détails peuvent être complètement effacés.

La plupart des meilleures méthodes sont adaptatives dans une certaine mesure. En simplifiant considérablement, ils estiment la «netteté» des dégradés contenus dans les données originales et tentent de maintenir à peu près le même niveau de lissage / netteté que celui présent dans l'original. L'adaptation se fait normalement en scannant l'image en blocs et en appliquant l'adaptation bloc par bloc.

Par exemple, si vous avez un paysage avec un ciel bleu clair et des arbres avec beaucoup de détails fins (branches, feuilles, etc.) cela appliquera beaucoup moins de lissage aux branches qu'au ciel.

Il existe cependant différentes manières d'estimer les gradients, dont aucune n'est parfaite, et différentes tailles de fenêtres, dont aucune n'est idéale pour toutes les images. Cela laisse place à une bonne quantité de différence, même entre les algorithmes adaptatifs.

Jerry Coffin
la source
5

Ce site ( Comparaisons des méthodes de grossissement d'image ) fait un bon travail de comparaison des différentes méthodes d'interpolation. Et si vous téléchargez leur outil ( SAR Image Processor, version 4.3 ), vous pouvez réellement mesurer les différences de qualité.

Bien qu'il semble être un bon guide, il ne répond pas à la question de savoir quel algorithme convient à quel type d'image.

Vous trouverez ci-dessous un extrait des résultats de leurs tests pour les différents algorithmes d'interpolation. Diagramme copyright general-cathexis.com .

entrez la description de l'image ici

noisette
la source