Bildstorleksändring kontra omsampling: Vad är skillnaden?

Bildstorleksändring och bildomsampling involverar båda bildens upplösning; bredden och höjden av dess yttersta gränser. Trots denna likhet bör dessa termer dock aldrig användas omväxlande.

Vad är skillnaden, exakt? Läs vidare för att dela lite hår med oss.

Bildstorlek: Definition och betydelse

Med vilken bitmappsbild som helst, har du ett fält av pixlar som är bundet av en höjd och en bredd, vanligtvis beskrivna först i termer av pixlar innan de beskrivs i picas eller tum. Detta är storleken på bilden som den finns digitalt. Dessa pixlar fungerar som valuta; bilden innehåller ett fast antal av dem, alla tilldelade en konkret och orubblig identitet.

När du behöver ändra storleken på en bild har du ett par alternativ. En skulle vara att beskära Det. När du gör detta ändrar du inte någon av originalbildens inneboende egenskaper – du lämnar bara en del av den (några av pixlarna) bakom dig.

Detta är långt ifrån vårt enda alternativ när vi behöver ändra storleken på en bild av en eller annan anledning. När vi skalar upp eller ned en bild uppstår något annorlunda.

Vad är bildstorleksändring?

Ändra storlek en bild är processen att ändra skalan på en diskret eller kontinuerlig bild med hjälp av upplösning. Ingen del av bilden lämnas kvar, även om förhållandet mellan höjd och bredd ändras.

Kontinuerliga bilder inkluderar saker som vektorer och andra datorgenererade bilder. Diskreta bilder inkluderar bitmappsfoton och grafik; allt där du har en given uppsättning pixlar att arbeta med. Om du använder en vektorbild är du det free för att ändra storleken uppåt eller nedåt utan att ändra den i sig. Bitmappsbilder är dock en annan historia.

En enkel, 2X förstoring av en bitmappsbild tar varje pixel och ökar helt enkelt dess storlek proportionellt med upplösningen, ungefär som när man helt enkelt justerar en bilds DPI och inte gör något annat. Att zooma ut till 100 procent efter att ha gjort det avslöjar dock en bild som nu är mycket större, men som också har fått en rejäl träff i kvalitet.

Vad är bildomsampling?

Omsampling är processen som suddar ut linjerna mellan dessa pixlar när vi sprider dem längre isär eller trycker dem närmare varandra, vilket resulterar i ett slutresultat som liknar originalet mycket mer. Hur fungerar detta?

När du ändrar storlek på en vektor behöver du inte sampla om bilden alls; matematiken bakom det digitala objektet fyller i tomrummen åt oss och lägger till och tar bort medelvärden allt eftersom vi justerar. Vad händer dock när du behöver skapa nya pixlar eller få kanon att försvinna?

För att åstadkomma någondera måste bilden samplas om – algoritmer anropar var linjen dras. Pixlar som tidigare var grannar når ut till varandra och försöker hitta en gemensam grund; om bilden skalas ner, används dessa lagar för medelvärden för att avgöra vilka värden som går och vilka som stannar.

Bilden analyseras och rekonstrueras av datorn, översätts och mappas till en större eller mindre uppsättning dimensioner.

Efter att detta har tagits om hand måste varje komponent i bilden sedan “samplas” – skillnaderna mellan den ursprungliga bitmappen och det som datorn har fått i uppdrag att skapa kvantifieras och medelvärden används för att kompensera resten.

Att skala upp blåser fältet ut, lämnar luckor mellan alla pixlar, och nedskalning klämmer in dem alla ovanpå varandra. Dessa tvetydiga områden av eter och överlappning måste båda befolkas; processerna kallas uppsampling respektive nedsampling.

Olika typer av omsampling

Det finns några breda kategorier av bildomsampling att överväga:

Närmaste granne: Denna term beskriver den enkla 2X-förstoringen som beskrivits tidigare. Det är ett arkaiskt sätt att göra saker på och lämnar dig med antingen blockig uppsampling eller kornig nedsampling. Bilinjär: Detta tillvägagångssätt resulterar i en linjär tolkning av originalbilden. Du kommer vanligtvis att få något suddigt när du skalar upp en bild på det här sättet. Bikubisk: Detta är metoden som de flesta av de varumärken som vi litar på använder. Inkluderat här kommer vanligtvis att vara någon form av skärpningsalternativ och kantutjämning. Lanczos: Förmodligen den mest sofistikerade av gänget – den här algoritmen bygger på antingen en 4 x 4, 6 x 6 eller 8 x 8 matris som omger varje ny pixel i din utdatabild.

Om du arbetar med media ser några av dessa förmodligen mer än bekanta ut för dig. Denna lista nämner dock bara de vanligaste typerna av omsampling; det finns många andra mer exotiska formler som tillgodoser behoven i andra sektorer. Men du kommer förmodligen aldrig att behöva oroa dig för någon av dessa.

När och varför samplas bilderna om?

Varje gång en bild går igenom en analog-till-digital eller digital-till-analog konvertering, till exempel när ett foto tas eller en bild skannas och sedan skrivs ut, kommer den vanligtvis att gå igenom flera omgångar av sampling innan den slutliga presentationen.

Detta inkluderar till och med bildkomprimering – när du konverterar ett råfoto till en JPEG, reduceras den mängd visuell information som fanns från början och används sedan för att återskapa en ny bitmapp. Svaren kan inte bara komma ur luften, annars kommer det omsamplade fotot inte att likna den ursprungliga bitmappen, och projektet är förstört.

Tack och lov är våra digitala följeslagare mer än kapabla att fatta dessa svåra beslut miljontals gånger om på mikroskopisk nivå för oss. Dessa interpolationer och anti-aliasing-ansträngningar utgör skillnaden mellan en acceptabelt trogen transformation och något som är avgjort underlägsen originalet.

Praktiska tillämpningar av bildomsampling

Vi inramade dessa två koncept som tvillingar, men omsampling stjäl liksom showen. Det finns många verkliga tillämpningar av omsampling, av vilka några går långt bortom världen av medieskapande:

Omsampling kan användas för att korrigera saker som t.ex fatförvrängning i optiska system som teleskop och mikroskop. Detta är också den process genom vilken foton är DeBayered vid sensorn på vilken digitalkamera som helst. FotomosaikTill exempel panoramabilder och storskalig astrofotografering, prova om varje pusselbit för att ta hänsyn till saker som små skillnader i exponering och tid som förflutit mellan bilderna. CGI-bilder kan samplas om för att bli det texturerad och skuggad. Det kan till och med användas till Karta och optimera ett robotverktygs synfält och gemensamma parametrar, som matchar det med en operatörs kontrollpunkt någon annanstans. Saker som robotassisterad operation, strålkirurgioch mer, är alla möjliga genom denna livräddande triumf.

Imaging som industri har kommit långt sedan urminnes tider. De verktyg som vi har till vårt förfogande nu är bara de senaste i en lång rad av experiment, misslyckanden och seger. Alla våra bilder ser fantastiska ut som ett direkt resultat. Tack, vetenskap.

Ändra storlek mot omsampling: En berättelse med olika proportioner

Vem gör samtalet mellan storleksändring och sampling av en bild av konflikt? De goda nyheterna: beslutet kommer vanligtvis inte att vara ditt att fatta, såvida du inte planerar att luta dig ner och rekonstruera bilden själv, pixel för pixel.

Ärligt? Det är något som vi skulle betala för att se. För resten av oss kommer vi dock klara oss bra med verktygen som gör automatiseringsarbete som detta möjligt.

Om författaren

Emma Garofalo (308 artiklar publicerade)

Författare, konstnär och älskare av teknik.

Mer från Emma Garofalo

Prenumerera på vårt nyhetsbrev

Gå med i vårt nyhetsbrev för tekniska tips, recensioner, free e-böcker och exklusiva erbjudanden!

Klicka här för att prenumerera