INTERPOLACIÓN DE IMÁGENES DIGITALES

La interpolación de imágenes se produce en todas las fotos digitales en algún momento, ya sea en la demoscopia de capas o en la ampliación de fotos. Ocurre cada vez que se cambia el tamaño o se reasigna (distorsiona) la imagen de una cuadrícula de píxeles a otra. El redimensionamiento de la imagen es necesario cuando se necesita aumentar o disminuir el número total de píxeles, mientras que el remapeo puede ocurrir en una variedad más amplia de escenarios: corregir la distorsión de la lente, cambiar la perspectiva y rotar una imagen.

Aunque se realice el mismo redimensionamiento o remapeo de la imagen, los resultados pueden variar significativamente dependiendo del algoritmo de interpolación. Es sólo una aproximación, por lo que una imagen siempre perderá algo de calidad cada vez que se realice la interpolación. Este tutorial tiene como objetivo proporcionar una mejor comprensión de cómo los resultados pueden variar – ayudándole a minimizar cualquier pérdida inducida por la interpolación en la calidad de la imagen.

CONCEPTO

La interpolación funciona utilizando datos conocidos para estimar los valores en puntos desconocidos. Por ejemplo: si quisieras saber la temperatura a mediodía, pero sólo la has medido a las 11AM y a la 1PM, podrías estimar su valor realizando una interpolación lineal:

Si tuvieras una medición adicional a las 11:30AM, podría ver que la mayor parte del aumento de temperatura se produjo antes del mediodía, y podría utilizar este punto de datos adicional para realizar una interpolación cuadrática:

Cuantas más mediciones de temperatura tenga cerca del mediodía, más sofisticado (y, con suerte, más preciso) podrá ser su algoritmo de interpolación.

EJEMPLO DE REDIMENSION DE LA IMAGEN

La interpolación de la imagen funciona en dos direcciones, y trata de conseguir la mejor aproximación del color y la intensidad de un píxel basándose en los valores de los píxeles circundantes. El siguiente ejemplo ilustra cómo funciona el cambio de tamaño/ampliación:

A diferencia de las fluctuaciones de la temperatura del aire y del gradiente ideal anterior, los valores de los píxeles pueden cambiar mucho más bruscamente de un lugar a otro. Al igual que en el ejemplo de la temperatura, cuanto más se sepa de los píxeles circundantes, mejor será la interpolación. Por lo tanto, los resultados se deterioran rápidamente cuanto más se estira una imagen, y la interpolación nunca puede añadir detalles a su imagen que no estén ya presentes.

EJEMPLO DE ROTACIÓN DE LA IMAGEN

La interpolación también se produce cada vez que se rota o distorsiona una imagen. El ejemplo anterior era engañoso porque es uno en el que los interpoladores son particularmente buenos. El siguiente ejemplo muestra cómo el detalle de la imagen puede perderse rápidamente:

La rotación de 90° no tiene pérdidas porque ningún píxel tiene que ser reposicionado en el borde entre dos píxeles (y por tanto dividido). Observe cómo la mayor parte del detalle se pierde sólo en la primera rotación, aunque la imagen sigue deteriorándose con las sucesivas rotaciones. Por lo tanto, hay que evitar rotar las fotos cuando sea posible; si una foto sin nivelar lo requiere, no rote más de una vez.

Los resultados anteriores utilizan lo que se llama un algoritmo «bicúbico», y muestran un deterioro significativo. Obsérvese la disminución general del contraste, evidente por la pérdida de intensidad del color, y cómo se crean halos oscuros alrededor del azul claro. Los resultados anteriores podrían mejorarse significativamente, dependiendo del algoritmo de interpolación y del tema en cuestión.

Tipos de algoritmos de interpolación

Los algoritmos de interpolación habituales pueden agruparse en dos categorías: adaptativos y no adaptativos. Los métodos adaptativos cambian dependiendo de lo que están interpolando (bordes afilados vs. textura suave), mientras que los métodos no adaptativos tratan todos los píxeles por igual.

Los algoritmos no adaptativos incluyen: vecino más cercano, bilineal, bicúbico, spline, sinc, lanczos y otros. Dependiendo de su complejidad, estos utilizan entre 0 y 256 (o más) píxeles adyacentes al interpolar. Cuantos más píxeles adyacentes incluyan, más precisos serán, pero a costa de un tiempo de procesamiento mucho mayor. Estos algoritmos se pueden utilizar tanto para distorsionar como para cambiar el tamaño de una foto.

Los algoritmos adaptativos incluyen muchos algoritmos propietarios en software con licencia como: Qimage, PhotoZoom Pro, Genuine Fractals y otros. Muchos de ellos aplican una versión diferente de su algoritmo (píxel por píxel) cuando detectan la presencia de un borde, con el objetivo de minimizar los antiestéticos artefactos de interpolación en las regiones donde son más evidentes. Estos algoritmos están diseñados principalmente para maximizar los detalles libres de artefactos en las fotos ampliadas, por lo que algunos no pueden ser utilizados para distorsionar o rotar una imagen.

INTERPOLACIÓN DEL VECINO MÁS CERCANO

El vecino más cercano es el más básico y requiere el menor tiempo de procesamiento de todos los algoritmos de interpolación porque sólo considera un píxel – el más cercano al punto interpolado. Esto tiene el efecto de hacer simplemente más grande cada píxel.

INTERPOLACIÓNBILINEAL

La interpolación bilineal considera la vecindad 2×2 más cercana de los valores de píxeles conocidos que rodean al píxel desconocido. A continuación, toma una media ponderada de estos 4 píxeles para llegar a su valor interpolado final. El diagrama de la izquierda corresponde a un caso en el que todas las distancias de los píxeles conocidos son iguales, por lo que el valor interpolado es simplemente su suma dividida por cuatro.

INTERPOLACIÓN BICÚBICA

La bicúbica va un paso más allá de la bilineal al considerar la vecindad 4×4 más cercana de los píxeles conocidos – para un total de 16 píxeles. Dado que éstos se encuentran a distintas distancias del píxel desconocido, los píxeles más cercanos reciben una mayor ponderación en el cálculo. El método bicúbico produce imágenes notablemente más nítidas que los dos métodos anteriores, y es quizás la combinación ideal de tiempo de procesamiento y calidad de salida. Por esta razón, es un estándar en muchos programas de edición de imágenes (incluyendo Adobe Photoshop), controladores de impresora e interpolación en la cámara.

INTERPOLACIÓN DE ORDEN SUPERIOR: SPLINE & SINC

Hay muchos otros interpoladores que tienen en cuenta más píxeles circundantes y, por lo tanto, también son mucho más intensivos desde el punto de vista computacional. Estos algoritmos incluyen el spline y el sinc, y conservan la mayor cantidad de información de la imagen después de una interpolación. Por lo tanto, son extremadamente útiles cuando la imagen requiere múltiples rotaciones / distorsiones en pasos separados. Sin embargo, para ampliaciones o rotaciones de un solo paso, estos algoritmos de orden superior proporcionan una mejora visual decreciente a medida que se incrementa el tiempo de procesamiento.

ARTIFACTOS DE INTERPOLACIÓN DE LOS QUE HAY QUE TENER CUIDADO

Todos los interpoladores no adaptativos intentan encontrar un equilibrio óptimo entre tres artefactos indeseables: halos de bordes, desenfoque y aliasing.

Incluso los más avanzados interpoladores nointerpoladores adaptativos siempre tienen que aumentar o disminuir uno de los artefactos anteriores a expensas de los otros dos – por lo tanto, al menos uno será visible. También hay que tener en cuenta que el halo de los bordes es similar al artefacto producido por el exceso de nitidez con una máscara de desenfoque, y mejora la apariencia de nitidez al aumentar la acutancia.

Los interpoladores adaptativos pueden o no producir los artefactos anteriores, sin embargo también pueden inducir texturas que no son de la imagen o píxeles extraños a pequeña escala:

Por otro lado, algunos de estos «artefactos» de los interpoladores adaptativos también pueden verse como ventajas. Dado que el ojo espera ver detalles hasta en las escalas más pequeñas en áreas de textura fina como el follaje, se ha argumentado que estos patrones engañan al ojo desde la distancia (para algunos temas).

ANTI-ALIASING

El antialiasing es un proceso que intenta minimizar la aparición de bordes diagonales aliased o dentados, denominados «jaggies». Estos dan al texto o a las imágenes una apariencia digital áspera:

Anti-aliasing elimina estos jaggies y da la apariencia de bordes más suaves y mayor resolución. Funciona teniendo en cuenta cuánto se solapa un borde ideal con los píxeles adyacentes. El borde con alias simplemente se redondea hacia arriba o hacia abajo sin ningún valor intermedio, mientras que el borde con anti-aliasing da un valor proporcional a cuánto del borde estaba dentro de cada píxel: