Ændring af billedstørrelse vs. Gensampling: Hvad er forskellen?

Billedstørrelsesændring og billedresampling involverer begge billedets opløsning; bredden og højden af ​​dens yderste grænser. På trods af denne lighed bør disse udtryk dog aldrig bruges i flæng.

Hvad er forskellen præcist? Læs videre for at dele nogle hår sammen med os.

Billedstørrelse: Definition og betydning

Med ethvert bitmapbillede har du et felt af pixels, der er bundet af en højde og en bredde, som normalt beskrives først i form af pixels, før det beskrives i picas eller tommer. Dette er størrelsen på billedet, som det eksisterer digitalt. Disse pixels fungerer som valuta; billedet indeholder et fast antal af dem, alle tildelt en konkret og urokkelig identitet.

Når du har brug for at ændre størrelsen på et billede, har du et par muligheder. Man ville være til afgrøde det. Når du gør dette, ændrer du ikke nogen af ​​de iboende kvaliteter af det originale billede - du efterlader bare noget af det (nogle af pixels).

Dette er langt fra vores eneste mulighed, når vi af den ene eller anden grund skal ændre størrelsen på et billede. Når vi skalerer et billede op eller ned, sker der dog noget lidt anderledes.

Hvad er billedstørrelse?

Ændre størrelse et billede er processen med at ændre skalaen af ​​et diskret eller kontinuerligt billede ved hjælp af opløsning. Ingen del af billedet efterlades, selvom forholdet mellem højde og bredde ændres.

Kontinuerlige billeder inkluderer ting som vektorer og andre computergenererede billeder. Diskrete billeder omfatter bitmapfotos og grafik; alt, hvor du har et givet sæt pixels at arbejde med. Hvis du bruger et vektorbillede, er du fri til at ændre størrelsen på det op eller ned uden at ændre det iboende. Bitmapbilleder er dog en anden historie.

En ligetil 2X forstørrelse af et bitmapbillede tager hver pixel og øger simpelthen dens størrelse proportionalt sammen med opløsningen, ligesom når du blot justerer et billedes DPI og ikke lave andet. Zoom ud til 100 procent efter at have gjort det, afslører dog et billede, der nu er meget større, men som også har fået et markant hit i kvaliteten.

Hvad er billedresampling?

Gensampling er den proces, der slører linjerne mellem disse pixels, når vi spreder dem længere fra hinanden eller skubber dem tættere sammen, hvilket resulterer i et endeligt resultat, der ligner originalen meget mere. Hvordan virker det?

Når du ændrer størrelsen på en vektor, behøver du slet ikke at gensample billedet; matematikken bag det digitale objekt udfylder de tomme felter for os, tilføjer og fjerner gennemsnitsværdier, efterhånden som vi justerer. Hvad sker der dog, når du skal oprette nye pixels eller få kanon til at forsvinde?

For at opnå begge dele skal billedet gensamples - algoritmer kalder på, hvor linjen trækkes. Pixels, der tidligere var naboer, rækker ud til hinanden og forsøger at finde fælles fodslag; hvis billedet skaleres ned, bruges disse love for gennemsnit til at bestemme, hvilke værdier der går, og hvilke forbliver.

Billedet analyseres og rekonstrueres af computeren, oversættes og kortlægges til et større eller mindre sæt af dimensioner.

Efter at dette er blevet taget hånd om, skal hver komponent i billedet derefter "samples" - forskellene mellem original bitmap, og hvad computeren har fået til opgave at skabe, kvantificeres, og gennemsnit bruges til at gøre op hvile.

Opskalering blæser feltet ud, efterlader huller mellem alle pixels, og nedskalering propper dem alle sammen oven på hinanden. Disse tvetydige områder af æter og overlapning skal begge befolkes; processerne kaldes henholdsvis upsampling og downsampling.

Forskellige typer resampling

Der er et par brede kategorier af billedresampling at overveje:

• Nærmeste nabo: Dette udtryk beskriver den ligefremme 2X forstørrelse beskrevet tidligere. Det er en arkaisk måde at gøre tingene på og efterlader dig med enten blokeret upsampling eller kornet nedsampling.
• Bilineær: Denne tilgang resulterer i en lineær fortolkning af det originale billede. Du vil normalt ende med noget sløret, når du skalerer et billede op på denne måde.
• Bikubisk: Dette er den metode, som de fleste af de mærker, vi stoler på, bruger. Inkluderet her vil normalt være en form for skærpningsmulighed og anti-aliasing.
• Lanczos: Sandsynligvis den mest sofistikerede af bunken - denne algoritme er afhængig af enten en 4 x 4, 6 x 6 eller 8 x 8 matrix, der omgiver hver ny pixel i dit outputbillede.

Hvis du arbejder med medier, ser nogle få af disse sikkert mere end bekendte ud for dig. Denne liste nævner dog kun de mest almindelige typer resampling; der er mange andre mere eksotiske formler, der imødekommer andre sektorers behov. Men du behøver sandsynligvis aldrig at bekymre dig om nogen af ​​dem.

Hvornår og hvorfor gensamples billeder?

Hver gang et billede gennemgår en analog-til-digital eller digital-til-analog konvertering, såsom når et billede tages eller en billedet scannes og derefter udskrives, vil det normalt gennemgå flere runder med resampling før dets endelige præsentation.

Dette inkluderer endda billedkomprimering - når du konverterer et råt foto til en JPEG reduceres mængden af ​​visuel information, der eksisterede oprindeligt, og bruges derefter til at genskabe en ny bitmap. Svarene kan ikke bare komme ud af den blå luft, ellers vil det omsamplede billede ikke ligne den originale bitmap nok, og projektet er ødelagt.

Heldigvis er vores digitale ledsagere mere end i stand til at træffe disse svære beslutninger millioner af gange på et mikroskopisk niveau for os. Disse interpolationer og anti-aliasing bestræbelser staver forskellen mellem en acceptabelt trofast transformation og noget, der er afgjort ringere end originalen.

Relaterede: Sådan batchkonverteres og ændres størrelse på billeder på din Mac

Praktiske anvendelser af billedresampling

Vi indrammede disse to koncepter som tvillinger, men resampling stjæler på en måde showet. Der er mange re-sampling-applikationer, hvoraf nogle rækker langt ud over medieskabelsens verden:

• Resampling kan bruges til at rette ting som f.eks tøndeforvrængning i optiske systemer synes godt om teleskoper og mikroskoper.
• Dette er også den proces, som billeder er DeBayered ved sensoren på ethvert digitalkamera.
• Fotomosaikker, såsom panoramaer og storstilet astrofotografering, gensample hver brik i puslespillet for at tage højde for ting som små forskelle i eksponering og tid, der er forløbet mellem optagelserne.
• CGI-billeder kan resamples for at blive det tekstureret og skraveret.
• Det kan endda bruges til kort og optimere et robotværktøjs synsfelt og fælles parametre, der matcher det med en operatørs kontrolpunkt et andet sted. Ting som robotassisteret operation, radiokirurgi, og mere, er alle gjort mulige gennem denne livreddende triumf.

Billedbehandling som industri er kommet langt siden umindelige tider. De værktøjer, vi har til rådighed nu, er kun de seneste i en lang række af eksperimenter, fiasko og sejr. Vores billeder ser alle flotte ud som et direkte resultat. Tak, videnskab.

Relaterede: Sådan opskalerer du et billede uden at miste kvalitet

Ændring af størrelse vs. Gensampling: En fortælling af varierende proportioner

Hvem foretager opkaldet mellem at ændre størrelse og gensample et billede af strid? Den gode nyhed: Beslutningen vil normalt ikke være din, medmindre du planlægger at gå ned og rekonstruere billedet selv, pixel for pixel.

Ærligt talt? Det er noget, vi ville betale for at se. For resten af ​​os klarer vi os dog fint med de værktøjer, der gør automatiseringsarbejde som dette muligt.

Hvilke DPI-indstillinger skal du bruge til digitale fotos?

De forkerte DPI-indstillinger kan være årsagen til, at dine udskrevne billeder ikke ser i høj kvalitet ud. Så hvad er de rigtige indstillinger?

Læs Næste

Om forfatteren