DIGITALE IMAGE INTERPOLATIE

Interpolatie van beelden komt in alle digitale foto’s op enig moment voor – of dit nu bij bayer demosaicing of bij foto vergroting is. Het gebeurt telkens wanneer u de grootte van uw foto wijzigt of uw foto opnieuw toewijst (vervormt) van het ene pixelraster naar het andere. De grootte van een afbeelding aanpassen is nodig wanneer u het totale aantal pixels wilt vergroten of verkleinen, terwijl remapping in een groter aantal scenario’s kan voorkomen: correctie van lensvervorming, perspectiefwijziging en het roteren van een afbeelding.

Zelfs als dezelfde image resize of remap wordt uitgevoerd, kunnen de resultaten aanzienlijk verschillen, afhankelijk van het interpolatiealgoritme. Het is slechts een benadering, daarom zal een afbeelding altijd wat kwaliteit verliezen elke keer dat interpolatie wordt uitgevoerd. Deze handleiding wil een beter begrip geven van hoe de resultaten kunnen variëren – om u te helpen elk interpolatie-geïnduceerd verlies in beeldkwaliteit te minimaliseren.

CONCEPT

Interpolatie werkt door bekende gegevens te gebruiken om waarden op onbekende punten te schatten. Bijvoorbeeld: als u de middagtemperatuur wilt weten, maar deze alleen om 11 uur en om 1 uur ’s middags hebt gemeten, kunt u de waarde schatten door een lineaire interpolatie uit te voeren:

Als u een extra meting had om 11:Als u een extra meting had om 11:30 uur, zou u kunnen zien dat het grootste deel van de temperatuurstijging vóór het middaguur plaatsvond, en zou u dit extra gegevenspunt kunnen gebruiken om een kwadratische interpolatie uit te voeren:

Hoe meer temperatuurmetingen u hebt die dicht bij het middaguur liggen, hoe verfijnder (en hopelijk nauwkeuriger) uw interpolatiealgoritme kan zijn.

IMAGE RESIZE VOORBEELD

Image-interpolatie werkt in twee richtingen, en probeert de kleur en intensiteit van een pixel zo goed mogelijk te benaderen op basis van de waarden van de omliggende pixels. Het volgende voorbeeld illustreert hoe resizing / vergroting werkt:

In tegenstelling tot luchttemperatuurschommelingen en de ideale gradiënt hierboven, kunnen pixelwaarden van de ene plaats naar de andere veel abrupter veranderen. Net als bij het temperatuurvoorbeeld geldt ook hier dat hoe meer je weet over de omringende pixels, hoe beter de interpolatie zal worden. Daarom verslechteren de resultaten snel naarmate je een afbeelding meer uitrekt, en interpolatie kan nooit details aan je afbeelding toevoegen die nog niet aanwezig zijn.

IMAGE ROTATION EXAMPLE

Interpolatie treedt ook op telkens wanneer je een afbeelding roteert of vervormt. Het vorige voorbeeld was misleidend omdat het een voorbeeld is waar interpolators bijzonder goed in zijn. Het volgende voorbeeld laat zien hoe beelddetails vrij snel verloren kunnen gaan:

De 90° rotatie is verliesloos omdat geen pixel ooit op de grens tussen twee pixels hoeft te worden geplaatst (en dus verdeeld). Merk op hoe het meeste detail verloren gaat in slechts de eerste rotatie, hoewel het beeld blijft verslechteren met opeenvolgende rotaties. Vermijd daarom het roteren van uw foto’s als dat mogelijk is; als het nodig is voor een foto die niet genivelleerd is, roteer dan niet meer dan één keer.

De bovenstaande resultaten maken gebruik van wat een “bicubisch” algoritme wordt genoemd, en vertonen een aanzienlijke verslechtering. Let op de algehele afname van het contrast, doordat de kleuren minder intens worden, en hoe donkere halo’s ontstaan rond het lichtblauw. De bovenstaande resultaten kunnen aanzienlijk worden verbeterd, afhankelijk van het interpolatie-algoritme en het onderwerp.

TYPES OF INTERPOLATION ALGORITHMS

Gemeenschappelijke interpolatie-algoritmen kunnen in twee categorieën worden onderverdeeld: adaptieve en niet-adaptieve. Adaptieve methoden veranderen afhankelijk van wat ze interpoleren (scherpe randen vs. gladde textuur), terwijl niet-adaptieve methoden alle pixels gelijk behandelen.

Niet-adaptieve algoritmen omvatten: nearest neighbor, bilineair, bicubisch, spline, sinc, lanczos en anderen. Afhankelijk van hun complexiteit gebruiken deze algoritmen 0 tot 256 (of meer) aangrenzende pixels bij de interpolatie. Hoe meer aangrenzende pixels ze opnemen, hoe nauwkeuriger ze kunnen worden, maar dit gaat ten koste van een veel langere verwerkingstijd. Deze algoritmen kunnen worden gebruikt om een foto zowel te vervormen als te verkleinen.

Aanpassende algoritmen omvatten vele eigen algoritmen in software met licentie, zoals: Qimage, PhotoZoom Pro, Genuine Fractals en andere. Veel van deze algoritmen passen een andere versie van hun algoritme toe (op pixel-per-pixel basis) wanneer zij de aanwezigheid van een rand detecteren – met als doel lelijke interpolatieartefacten te minimaliseren in gebieden waar zij het duidelijkst zijn. Deze algoritmen zijn in de eerste plaats ontworpen om artifact-vrije details in vergrote foto’s te maximaliseren, zodat sommige niet kunnen worden gebruikt om een afbeelding te vervormen of te roteren.

NEAREST NEIGHBOR INTERPOLATION

Nearest neighbor is het meest elementaire en vereist de minste verwerkingstijd van alle interpolatie-algoritmen, omdat het slechts één pixel beschouwt – de pixel die het dichtst bij het geïnterpoleerde punt ligt.

BILINEAR INTERPOLATION

Bilineaire interpolatie beschouwt de dichtstbijzijnde 2×2 buurt van bekende pixelwaarden rondom de onbekende pixel. Vervolgens wordt een gewogen gemiddelde genomen van deze 4 pixels om tot de uiteindelijke geïnterpoleerde waarde te komen. Dit resulteert in veel gladder ogende beelden dan nearest neighbor.

Het diagram links is voor een geval waarin alle bekende pixelafstanden gelijk zijn, zodat de geïnterpoleerde waarde eenvoudig hun som gedeeld door vier is.

BICUBISCHE INTERPOLATIE

Bicubisch gaat een stap verder dan bilineair door te kijken naar de dichtstbijzijnde 4×4-buurt van bekende pixels – voor een totaal van 16 pixels. Aangezien deze zich op verschillende afstanden van de onbekende pixel bevinden, krijgen de dichterbij gelegen pixels een groter gewicht in de berekening. Bicubisch levert aanzienlijk scherpere beelden op dan de vorige twee methoden, en is misschien wel de ideale combinatie van verwerkingstijd en uitvoerkwaliteit. Daarom is het een standaard in veel beeldbewerkingsprogramma’s (waaronder Adobe Photoshop), printerdrivers en in-camera interpolatie.

Hogere ORDER INTERPOLATIE: SPLINE & SINC

Er zijn veel andere interpolatoren die meer omringende pixels in aanmerking nemen, en dus ook veel berekeningsintensiever zijn. Deze algoritmen omvatten spline en sinc, en behouden de meeste beeldinformatie na een interpolatie. Ze zijn daarom uiterst nuttig wanneer het beeld meerdere rotaties/vervormingen in afzonderlijke stappen vereist. Voor vergrotingen of rotaties in één stap bieden deze algoritmen van hogere orde echter een afnemende visuele verbetering naarmate de verwerkingstijd toeneemt.

INTERPOLATIE-ARTIFACTEN OM OP TE WACHTEN

Alle niet-adaptieve interpolatoren proberen een optimale balans te vinden tussen drie ongewenste artefacten: randhalo’s, onscherpte en aliasing.

Zelfs de meest geavanceerde nietadaptieve interpolators moeten altijd een van de bovenstaande artefacten vergroten of verkleinen ten koste van de andere twee – daarom zal er ten minste een zichtbaar zijn. Merk ook op hoe de rand halo vergelijkbaar is met het artefact geproduceerd door oververscherping met een unsharp mask, en de verschijning van scherpte verbetert door het verhogen van acutantie.

Adaptieve interpolators kunnen al dan niet de bovenstaande artefacten veroorzaken, maar zij kunnen ook niet-beeld texturen of vreemde pixels op kleine schaal veroorzaken:

Aan de andere kant, kunnen sommige van deze “artefacten” van adaptieve interpolatoren ook als voordelen worden gezien. Aangezien het oog details tot in de kleinste schalen verwacht te zien in gebieden met een fijne structuur, zoals gebladerte, wordt beweerd dat deze patronen het oog van een afstand misleiden (voor sommige onderwerpen).

ANTI-ALIASING

Anti-aliasing is een proces dat probeert de verschijning van aliased of gekartelde diagonale randen, “jaggies” genoemd, tot een minimum te beperken. Deze geven tekst of afbeeldingen een ruw digitaal uiterlijk:

Anti-aliasing verwijdert deze kartels en zorgt voor vloeiendere randen en een hogere resolutie. Het werkt door rekening te houden met de mate waarin een ideale rand aangrenzende pixels overlapt. De aliased rand rondt gewoon naar boven of beneden af zonder tussenliggende waarde, terwijl de anti-aliased rand een waarde geeft die evenredig is met hoeveel van de rand binnen elke pixel was:

Een groot obstakel bij het vergroten van een afbeelding is voorkomen dat de interpolator aliasing induceert of verergert. Veel adaptieve interpolatoren detecteren de aanwezigheid van randen en passen zich aan om aliasing te minimaliseren en toch de scherpte van de randen te behouden. Aangezien een anti-aliased rand informatie bevat over de plaats van die rand bij hogere resoluties, is het ook denkbaar dat een krachtige adaptieve (randdetecterende) interpolator deze rand bij vergroting ten minste gedeeltelijk kan reconstrueren.

NOOT OPTISCHE vs. DIGITALE ZOOM

Veel compacte digitale camera’s kunnen zowel optisch als digitaal zoomen. Een camera maakt een optische zoom door de zoomlens zo te bewegen dat de vergroting van het licht wordt vergroot voordat het de digitale sensor bereikt. Een digitale zoom daarentegen vermindert de kwaliteit door het beeld eenvoudigweg te interpoleren – nadat het op de sensor is verworven.

Ondanks dat de foto met digitale zoom hetzelfde aantal pixels bevat, is het detail duidelijk veel minder dan bij optische zoom. Digitale zoom moet vrijwel geheel worden vermeden, tenzij het helpt om een object in de verte op het LCD-voorbeeldscherm van uw camera te zien. Als u echter regelmatig in JPEG fotografeert en van plan bent de foto naderhand bij te snijden en te vergroten, heeft digitale zoom ten minste het voordeel dat de interpolatie wordt uitgevoerd voordat er compressieartefacten optreden. Als u digitale zoom te vaak nodig hebt, schaf dan een teleconverter aan, of nog beter: een objectief met een langere brandpuntsafstand.

Voor meer informatie kunt u meer specifieke handleidingen raadplegen over:
Digitale vergroting van foto’s
Vergrooting van foto’s voor het web en e-mail