Изменение размера изображения и передискретизация относятся к разрешению изображения, но это совершенно разные вещи. Сейчас мы дадим вам полную информацию
Изменение размера и дискретизация изображения связаны с разрешением изображения; шириной и высотой его внешних границ. Однако, несмотря на это сходство, эти термины никогда не следует использовать как взаимозаменяемые
В чем же разница? Читайте дальше, чтобы разделить с нами некоторые вопросы
Размер изображения: Определение и значение
Любое растровое изображение представляет собой поле пикселей, ограниченное высотой и шириной, которые обычно сначала описываются в пикселях, а затем в пикасах или дюймах. Это размер изображения в цифровом виде. Эти пиксели действуют как валюта; изображение содержит фиксированное количество пикселей, каждому из которых присвоена конкретная и непоколебимая идентичность
Если вам нужно изменить размер изображения, у вас есть несколько вариантов. Один из них – обрезать. Когда вы это делаете, вы не изменяете никаких качеств, присущих исходному изображению— вы просто оставляете часть его (некоторые пиксели) позади
Это далеко не единственный вариант, когда нам нужно изменить размер изображения по той или иной причине. Однако, когда мы масштабируем изображение вверх или вниз, происходит нечто несколько иное
Что такое изменение размера изображения?
Изменение размера изображения – это процесс изменения масштаба дискретного или непрерывного изображения посредством разрешения. Ни одна часть изображения не остается без внимания, даже если меняется соотношение между высотой и шириной
К непрерывным изображениям относятся такие вещи, как векторы и другие компьютерные изображения. К дискретным изображениям относятся растровые фотографии и графика; все, где у вас есть определенный набор пикселей для работы. Если вы используете векторное изображение, вы можете свободно изменять его размер в большую или меньшую сторону, не меняя его по сути. Однако растровые изображения – это совсем другая история
При простом, 2-кратном увеличении растрового изображения каждый пиксель просто пропорционально увеличивается в размере вместе с разрешением, как при простой настройке DPI изображения и без каких-либо других действий. Однако при увеличении до 100 процентов изображение становится гораздо больше, но при этом значительно ухудшается его качество
Что такое передискретизация изображения?
Ресэмплинг – это процесс, который размывает границы между пикселями, когда мы раздвигаем их дальше друг от друга или сдвигаем ближе друг к другу, в результате чего конечный результат гораздо больше похож на оригинал. Как это работает?
При изменении размера векторного изображения вам вообще не придется менять дискретизацию изображения; математика, лежащая в основе цифрового объекта, заполняет пробелы за нас, добавляя и удаляя усредненные значения по мере корректировки. Однако что происходит, когда нужно создать новые пиксели или заставить исчезнуть канонические?
Для того чтобы сделать то и другое, изображение нужно пересэмплировать— алгоритмы решают, где провести линию. Пиксели, которые раньше были соседями, тянутся друг к другу и пытаются найти общий язык; при уменьшении масштаба изображения используются законы средних величин, чтобы решить, какие значения уходят, а какие остаются
Image Credit: Thorben Bochenek/Wikimedia Commons.
Изображение анализируется и реконструируется компьютером, переводится и отображается в большем или меньшем наборе размеров
После этого каждый компонент изображения должен быть ‘сэмплирован’ — различия между исходным растровым изображением и тем, что было создано компьютером, определяются количественно, а для составления остального используются средние значения
При увеличении масштаба поле раздувается, оставляя промежутки между всеми пикселями, а при уменьшении масштаба они накладываются друг на друга. Эти неоднозначные области эфира и перекрытия должны быть заполнены; эти процессы называются апсэмплинг и даунсэмплинг соответственно
Различные типы передискретизации
Image Credit: Anthony Beck/Wikimedia Commons.
Существует несколько широких категорий передискретизации изображений, которые следует рассмотреть:
- Ближайший сосед: Этот термин описывает прямолинейное увеличение в 2 раза, описанное ранее. Это архаичный способ, который приводит либо к блочному увеличению, либо к зернистому уменьшению.
- Bilinear: Этот подход приводит к линейной интерпретации исходного изображения. Обычно при таком масштабировании изображения получается нечто размытое.
- Bicubic: Это метод, который использует большинство брендов, которым мы доверяем. В него обычно включены некоторые опции повышения резкости и сглаживания.
- Lanczos: Вероятно, самый сложный из всех— этот алгоритм использует матрицу 4 x 4, 6 x 6 или 8 x 8, окружающую каждый новый пиксель в выходном изображении.
.
Если вы работаете с медиа, некоторые из них, вероятно, покажутся вам более чем знакомыми. Однако в этом списке упомянуты только самые распространенные типы передискретизации; существует множество других, более экзотических формул, отвечающих потребностям других отраслей. Но вам, скорее всего, никогда не придется беспокоиться ни об одной из них
Когда и зачем выполняется повторная выборка изображений?
Кредит изображения: Vegard Nossum/Wikimedia Commons.
Каждый раз, когда изображение проходит через аналого-цифровое или цифро-аналоговое преобразование, например, когда делается фотография или изображение сканируется, а затем печатается, оно обычно проходит несколько раундов передискретизации перед окончательным представлением
Это касается даже сжатия изображений— когда вы конвертируете необработанную фотографию в JPEG, все богатство визуальной информации, которая существовала изначально, уменьшается, а затем используется для воссоздания нового растрового изображения. Ответы не могут просто взяться из воздуха, иначе переснятая фотография не будет достаточно похожа на исходное растровое изображение, и проект будет испорчен
К счастью, наши цифровые спутники более чем способны принимать эти сложные решения за нас миллионы раз на микроскопическом уровне. Эти интерполяции и усилия по сглаживанию определяют разницу между приемлемо точным преобразованием и чем-то явно уступающим оригиналу
Похожие: Как пакетно конвертировать и изменять размер изображений на Mac
Практическое применение дискретизации изображений
Мы представили эти два понятия как близнецов, но передискретизация в некотором роде крадет шоу. Существует множество реальных применений передискретизации, некоторые из которых выходят далеко за пределы мира создания мультимедиа:
- Передискретизация может использоваться для исправления таких вещей, как бочкообразное искажение в оптических системах, таких как телескопы и микроскопы.
- Это также процесс, с помощью которого фотографии дебайеризуются на матрице любой цифровой камеры.
- Фотомозаики , такие как панорамы и крупномасштабная астрофотография , повторно дискретизируют каждый фрагмент пазла, чтобы учесть такие вещи, как небольшие различия в экспозиции и времени, прошедшем между снимками.
- CGI-изображения могут быть повторно дискретизированы для текстурирования и затенения.
- Его можно даже использовать для отображения и оптимизации поля зрения и параметров суставов роботизированного инструмента, сопоставляя его с точкой управления оператора в другом месте. Такие вещи, как робот-ассистированная хирургия , радиохирургия и многое другое, стали возможны благодаря этому спасительному триумфу.
.
Визуализация как отрасль прошла долгий путь с незапамятных времен. Инструменты, которые мы имеем в своем распоряжении сейчас, являются лишь последними в длинной череде экспериментов, неудач и побед. В результате все наши фотографии выглядят великолепно. Спасибо, наука
Похожие статьи: Как увеличить масштаб изображения без потери качества
Изменение размера по сравнению сResampling: История о разных пропорциях
Кто принимает решение между изменением размера и передискретизацией спорного изображения? Хорошая новость: решение обычно принимаете не вы, если только вы не планируете попиксельно восстанавливать изображение самостоятельно
Честно? Это то, за что мы готовы заплатить, чтобы увидеть. Для остальных, однако, мы прекрасно справимся с инструментами, которые позволяют автоматизировать подобную работу
Комментировать