Bildestørrelse vs. Resampling: Hva er forskjellen?

Bildestørrelse og bildegjensampling involverer begge oppløsningen til bildet; bredden og høyden på dens ytterste grenser. Til tross for denne likheten, bør disse begrepene aldri brukes om hverandre.

Hva er forskjellen, nøyaktig? Les videre for å dele noen hår med oss.

Bildestørrelse: Definisjon og betydning

Med et hvilket som helst punktgrafikkbilde har du et felt med piksler bundet av en høyde og en bredde, vanligvis beskrevet først i form av piksler før de blir beskrevet i piksler eller tommer. Dette er størrelsen på bildet slik det eksisterer digitalt. Disse pikslene fungerer som valuta; bildet inneholder et fast antall av dem, alle tildelt en konkret og urokkelig identitet.

Når du trenger å endre størrelsen på et bilde, har du et par alternativer. Man ville være å avling den. Når du gjør dette, endrer du ikke noen av de iboende egenskapene til originalbildet – du legger bare igjen noe av det (noen av pikslene).

Dette er langt fra vårt eneste alternativ når vi trenger å endre størrelsen på et bilde av en eller annen grunn. Når vi skalerer et bilde opp eller ned, skjer det imidlertid noe litt annerledes.

Hva er bildestørrelse?

Endre størrelse et bilde er prosessen med å endre skalaen til et diskret eller kontinuerlig bilde ved hjelp av oppløsning. Ingen del av bildet blir liggende igjen, selv om forholdet mellom høyde og bredde endres.

Kontinuerlige bilder inkluderer ting som vektorer og andre datagenererte bilder. Diskrete bilder inkluderer punktgrafikkbilder og grafikk; alt der du har et gitt sett med piksler å jobbe med. Hvis du bruker et vektorbilde, står du fritt til å endre størrelsen på det opp eller ned uten å endre det i seg selv. Bitmap-bilder er imidlertid en annen historie.

En enkel, 2X forstørrelse av et punktgrafikkbilde tar hver piksel og øker ganske enkelt størrelsen proporsjonalt sammen med oppløsningen, omtrent som når du bare justerer et bildes DPI og ikke gjøre noe annet. Zooming ut til 100 prosent etter å ha gjort det, avslører imidlertid et bilde som nå er mye større, men som også har fått et betydelig kvalitetstreff.

Hva er bildegjensampling?

Omsampling er prosessen som visker ut linjene mellom disse pikslene når vi sprer dem lenger fra hverandre eller skyver dem nærmere hverandre, noe som resulterer i et sluttresultat som ligner mye mer på originalen. Hvordan virker dette?

Når du endrer størrelsen på en vektor, trenger du ikke å resample bildet i det hele tatt; Matematikken bak det digitale objektet fyller ut de tomme feltene for oss, og legger til og fjerner gjennomsnittsverdier etter hvert som vi justerer. Men hva skjer når du trenger å lage nye piksler eller få kanon til å forsvinne?

For å oppnå begge deler, må bildet prøves på nytt – algoritmer ringer der linjen trekkes. Piksler som tidligere var naboer, når ut til hverandre og prøver å finne felles grunnlag; hvis bildet skaleres ned, brukes disse lovene for gjennomsnitt for å bestemme hvilke verdier som går og hvilke som forblir.

Bildet blir analysert og rekonstruert av datamaskinen, oversatt og kartlagt til et større eller mindre sett med dimensjoner.

Etter at dette er tatt hånd om, må hver komponent i bildet "samples" – forskjellene mellom original bitmap og hva datamaskinen har fått i oppgave å lage kvantifiseres og gjennomsnitt brukes til å gjøre opp hvile.

Oppskalering blåser feltet ut, etterlater hull mellom alle pikslene, og nedskalering stapper dem alle inn oppå hverandre. Disse tvetydige områdene av eter og overlapping må begge befolkes; prosessene kalles henholdsvis oppsampling og nedsampling.

Ulike typer nysampling

Det er noen få brede kategorier av bilderesampling å vurdere:

• Nærmeste nabo: Dette begrepet beskriver den enkle 2X-forstørrelsen beskrevet tidligere. Det er en arkaisk måte å gjøre ting på og gir deg enten blokkert oppsampling eller kornete nedsampling.
• Bilineær: Denne tilnærmingen resulterer i en lineær tolkning av originalbildet. Du vil vanligvis ende opp med noe uskarpt når du skalerer et bilde opp på denne måten.
• Bikubisk: Dette er metoden som de fleste merkene vi stoler på bruker. Inkludert her vil vanligvis være en slags skjerpingsalternativ og kantutjevnelse.
• Lanczos: Sannsynligvis den mest sofistikerte av gjengen – denne algoritmen er avhengig av enten en 4 x 4, 6 x 6 eller 8 x 8 matrise som omgir hver ny piksel i utdatabildet ditt.

Hvis du jobber med media, ser noen av disse sannsynligvis mer enn kjente ut for deg. Denne listen nevner imidlertid bare de vanligste typene resampling; det er mange andre mer eksotiske formler som tilfredsstiller behovene til andre sektorer. Men du trenger sannsynligvis aldri å bekymre deg for noen av disse.

Når og hvorfor tas bilder på nytt?

Hver gang et bilde går gjennom en analog-til-digital eller digital-til-analog konvertering, for eksempel når et bilde blir tatt eller en bildet skannes og deretter skrives ut, vil det vanligvis gå gjennom flere runder med resampling før den endelige presentasjonen.

Dette inkluderer til og med bildekomprimering - når du konverterer et rått bilde til en JPEG, blir mengden av visuell informasjon som opprinnelig eksisterte redusert og deretter brukt til å gjenskape en ny punktgrafikk. Svarene kan ikke bare komme ut av løse luften, ellers vil det omsamplede bildet ikke ligne nok på den originale punktgrafikken, og prosjektet er ødelagt.

Heldigvis er våre digitale følgesvenner mer enn i stand til å ta disse tøffe avgjørelsene millioner av ganger på et mikroskopisk nivå for oss. Disse interpoleringene og anti-aliasing-innsatsene utgjør forskjellen mellom en akseptabelt trofast transformasjon og noe som er definitivt dårligere enn originalen.

I slekt: Hvordan batchkonvertere og endre størrelse på bilder på din Mac

Praktiske anvendelser av bildegjensampling

Vi innrammet disse to konseptene som tvillinger, men resampling stjeler liksom showet. Det er mange virkelige anvendelser av resampling, hvorav noen går langt utover medieskapingens verden:

• Resampling kan brukes til å rette opp ting som f.eks fatforvrengning i optiske systemer som teleskoper og mikroskoper.
• Dette er også prosessen som bilder er DeBayered ved sensoren til et hvilket som helst digitalkamera.
• Fotomosaikk, som for eksempel panoramaer og storskala astrofotografering, resample hver brikke i puslespillet for å ta hensyn til ting som små forskjeller i eksponering og tid som har gått mellom bildene.
• CGI-bilder kan resamples for å bli det teksturisert og skyggelagt.
• Det kan til og med brukes til kart og optimalisere et robotverktøys synsfelt og fellesparametere, som matcher det med en operatørs kontrollpunkt andre steder. Ting som robotassistert kirurgi, radiokirurgi, og mer, er alle gjort mulig gjennom denne livreddende triumfen.

Imaging som industri har kommet langt siden uminnelige tider. Verktøyene vi har til rådighet nå er bare det siste i en lang rekke av eksperimentering, fiasko og seier. Alle bildene våre ser flotte ut som et direkte resultat. Takk, vitenskap.

I slekt: Hvordan oppskalere et bilde uten å miste kvalitet

Endre størrelse vs. Resampling: A Tale of Variing Proporsjoner

Hvem gjør samtalen mellom å endre størrelse og prøve på nytt et bilde av strid? Den gode nyheten: avgjørelsen vil vanligvis ikke være din å ta, med mindre du planlegger å gå ned og rekonstruere bildet selv, piksel for piksel.

Ærlig talt? Det er noe vi betaler for å se. For resten av oss vil vi imidlertid klare oss fint med verktøyene som gjør automatiseringsarbeid som dette mulig.

Hvilke DPI-innstillinger bør du bruke for digitale bilder?

Feil DPI-innstillinger kan være årsaken til at de utskrevne bildene dine ikke ser høykvalitets ut. Så hva er de riktige innstillingene?

Les Neste

Om forfatteren