Skaalaus (tietokonegrafiikka)

Rasterigrafiikat alkuperäisessä koossa

Rasterigrafiikka kaksoissuurennuksen jälkeen pikselitoiston avulla

Vuonna tietokonegrafiikka ja digitaalinen kuvankäsittely , skaalaus (italialaisista Scala , saksalainen "portaat") kuvaa muutosta koon digitaalisen kuvan . In video tekniikka kasvu digitaalisen materiaalin on skaalaamalla (parannus) tai Resolution Enhancement nimetty.

Vektorigrafiikkaa skaalattaessa vektorigrafiikan muodostavat graafiset primitiivit venytetään geometrisen muunnoksen läpi ennen rasterointia , mikä ei aiheuta kuvanlaadun heikkenemistä.

Kun rasterigrafiikkaa skaalataan, niiden kuvan tarkkuus muuttuu. Tämä tarkoittaa, että uusi kuva, jossa on enemmän tai vähemmän kuvapisteitä ( pikseleitä ), syntyy tietystä rasterigrafiikasta . Kun pikselien määrää lisätään (skaalaus), tämä liittyy yleensä näkyvään laadun heikkenemiseen. Näkökulmasta digitaalisen signaalinkäsittelyn , skaalaus rasterigrafiikan on esimerkki näytteenottotaajuus muuntaminen , muuntaminen diskreetin signaalin yhdestä näytenopeuden (tässä paikallinen näytteenottotaajuus) toiseen.

Sovellukset

Skaalaus kuvia käytetään muun muassa vuonna selaimet , kuvankäsittelyohjelmilla , kuvan ja tiedostojen katsojille , ohjelmisto suurennuslaseja , jossa digitaalinen zoom , jakso laajentuminen ja sukupolvi esikatsella kuvia sekä lähtö kuvien näyttöjen ja tulostimia.

Kuvien suurentaminen on tärkeää myös kotiteatterialalle , jossa HDTV-yhteensopivat lähtölaitteet, joiden materiaali on PAL- tarkkuutta, z. B. tulee DVD-soittimesta . Hienosäätö suoritetaan reaaliajassa erityisillä siruilla (videoskaalari) , jolloin lähtösignaalia ei tallenneta. Suurentaminen on vastakohtana materiaalin muuntamiselle , jossa lähtösignaalia ei välttämättä tarvitse luoda reaaliajassa, vaan se on tallennettu tätä varten.

Skaalausmenetelmät rasterigrafiikalle

Skaalaus rekonstruointisuodattimella

Kuvanmuokkausohjelmat tarjoavat yleensä useita skaalausmenetelmiä. Yleisimmin tuetut menetelmät - pikselitoisto, bilineaarinen ja bisububinen interpolointi - skaalaa kuvaa rekonstruointisuodattimella .

Skaalattaessa määritetty kuvaruudukko on siirrettävä erikokoisille ulostuloruudukoille. Skaalaus voidaan siten esittää selkeästi sijoittamalla laskettavan lähtökuvan pikseliverkko tulokuvan pikseliverkon päälle. Kullekin lähtökuvan pikselille on annettu väri-arvo, joka lasketaan läheisyydessä olevien tulokuvan pikseleiden perusteella. Käytetty rekonstruointisuodatin määrittää, mitä tulokuvan pikseleitä käytetään laskennassa ja miten niiden väriarvot painotetaan.

6 × 6 pikselin rasterigrafiikan suurentaminen 11 × 11 pikseliksi (tämän esimerkin alemmat kuvan resoluutiot valittiin paremman selkeyden vuoksi; periaate on sama suuremmilla tarkkuuksilla).

1) syötekuva; pikselit näkyvät tässä ympyröinä.
2) Lähtökuvan pikseliruudukko, joka on esitetty tässä keltaisina risteinä, sijoitetaan tulokuvan päälle.
3) Lähtevän kuvan väriarvot lasketaan tulokuvan läheisistä pikseleistä.
4) lähtökuva.

Skaalaus käyttämällä säteittäisesti symmetristä rekonstruointisuodatinta (kantolaite on merkitty vihreällä). Lähtevän kuvan väriarvo lasketaan rekonstruktiosuodattimen painottaman tulokuvan väriarvojen summana.

Skaalattaessa kaksiulotteinen rekonstruointisuodatin sijoitetaan lähtökuvan jokaisen pikselin päälle. Väriarvo lasketaan niiden tulokuvan pikselien väriarvojen summana, jotka jälleenrakennussuodattimen kantaja on päällekkäin, painotettuna rekonstruktiosuodattimen arvolla näissä pikseleissä.

Yleensä jälleenrakennussuodattimet vähenevät etäisyyden kasvaessa keskustasta. Tämän seurauksena lähdepikselin lähellä olevat väriarvot painotetaan voimakkaammin ja kauempana olevat painotetaan vähemmän. Jälleenrakennussuodattimen koko perustuu tulokuvan rasteriin ja vähennyksen tapauksessa lähtökuvan rasteriin.

Joissakin jälleenrakennussuodattimissa on negatiiviset osa-alueet; Tällaiset suodattimet johtavat kuvan terävöittämiseen, joka on samanlainen kuin terävä peite . Sallitun arvoalueen ulkopuolella olevat väriarvot voivat syntyä, jotka sitten yleensä asetetaan vähimmäis- tai enimmäisarvoon. Lisäksi on otettava huomioon, että rekonstruointisuodatin peittää vähemmän pikseleitä kuvan reunoilla kuin muualla kuvassa. Tummien pikselien estämiseksi kuvan reunoista suodatin on normalisoitava uudelleen tässä. Lähtevän kuvan määritetty väriarvo jaetaan rekonstruktiosuodattimen arvojen summalla tuloarvon päällekkäisissä pikseleissä. Toinen mahdollisuus on käyttää lähintä väriarvoa kuvan reunassa pisteisiin, jotka putoavat kuvan ulkopuolelle.

Kaksiulotteisten suodattimien rakentaminen

Eri rekonstruointisuodattimia verrattaessa voidaan ensin ottaa huomioon yksiulotteiset suodattimet. Polynomiksi määriteltyjä jälleenrakennussuodattimia kutsutaan myös uriksi . Muita tunnettuja suodattimia ovat Lanczos-suodatin ja Gaussin suodatin .

On kaksi tapaa, joilla yksiulotteinen rekonstruointisuodatin voidaan muodostaa kaksiulotteisesta, nimittäin radiaalisen symmetrian ja erottamisen avulla.

Rakentaminen radiaalisen symmetrian kautta: Kaksiulotteinen, säteittäin symmetrinen rekonstruktio suodatin voidaan muodostaa niin pinnan kierrosta yksiulotteisen suodatin. Suodatinarvo riippuu yksinomaan etäisyydestä keskustasta. Säteittäisesti symmetristen rekonstruointisuodattimien käyttämiseksi on siis laskettava euklidinen etäisyys tulokuvan pikseleihin. Säteittäisesti symmetriset suodattimet johtavat näytteenottotaajuuden aaltoiluun: Yksiväristä aluetta suurennettaessa väriarvot voivat vaihdella pikselistä pikseliin, ellei suodatinta normalisoida uudelleen jokaiselle pikselille.

Rakentaminen erottamisen avulla: Useimmissa skaalausmenetelmissä käytetään erillisiä neliösäteilysuodattimia. Erotettavien suodattimien tapauksessa kaksiulotteisen suodattimen avulla suoritettava laskenta voidaan korvata interpolointisarjalla, jossa on yksiulotteinen rekonstruointisuodatin. Tässä välivaiheessa lasketaan lähtöpikselin x- koordinaatissa oleva interpoloitu piste kullekin suodattimen päällekkäiselle kuvariville. Interpoloitu väriarvo lähtöpikselissä lasketaan sitten tällä tavalla muodostetuista pystysuorista pisteistä.

Erotettavissa suodattimet johtaa anisotropia : Kuva esineitä , jotka johtuvat erotettavissa suodattimet eivät ole isotrooppisella (tasaisesti kaikkiin suuntiin), mutta on edullisesti kohdistettu vaakasuoraan ja pystysuoraan. Koska erotettavissa olevilla suodattimilla on suoritettava vain yksiulotteinen interpolointi, eikä euklidisia etäisyyksiä lasketa, ne voidaan laskea nopeammin kuin säteittäisesti symmetriset suodattimet.

Gaussin suodatin on ainoa säteittäisesti symmetrinen rekonstruointisuodatin, joka on myös erotettavissa. Kaikilla muilla suodattimilla erotettavissa oleva ja radiaalisesti symmetrinen sukupolvi johtavat erilaisiin tuloksiin.

Pikselitoisto

Pikselitoistolla, jota kutsutaan myös lähimmäksi naapuriksi , tulokuvan lähimmän pikselin väriarvo määritetään lähtökuvan jokaiselle pikselille. Kuvien kutistuminen tällä menetelmällä voi johtaa vakavaan aliaksen muodostumiseen , joka ilmenee kuvan artefakteina. Suurennettaessa pikselitoiston avulla on lohkomainen "pikseloitu" esitys.

Suurennuksen tapauksessa pikselitoisto vastaa rekonstruktiota 1 × 1 pikselilaatikon suodattimella. Tällainen suodatin limittää vain yhden pikselin tulokuvasta, nimittäin lähimmän.

Laajennus pikselitoiston avulla

Bilinaarinen interpolaatio

Skaalattaessa käyttämällä bilineaarista interpolaatiota lähtökuvan väriarvo lasketaan tulokuvan neljästä lähimmästä väriarvosta.

Jossa bilineaarinen interpolointi , väri arvo pikselin kuvalaji interpoloidaan neljää naapuri- väriarvot syötekuvan.

Tämä suodatin on erotettavissa ja se voidaan laskea interpolaatioiden sarjana, jossa on yksiulotteinen rekonstruointisuodatin (kolmionsuodatin). Interpoloitu väriarvo lasketaan ensin kullekin kahdelle kuvaruudulle ja sitten interpolointi suoritetaan näiden kahden pystysuoran pisteen välillä. Tällä menetelmällä lähtöpikselin väriarvo lasketaan seuraavasti: ${\ displaystyle P (x, y)}$

{\ displaystyle Q_ {0} = (1-d_ {x}) P_ {00} + d_ {x} P_ {10}}

{\ displaystyle Q_ {1} = (1-d_ {x}) P_ {01} + d_ {x} P_ {11}}

{\ displaystyle P (x, y) = (1-d_ {y}) Q_ {0} + d_ {y} Q_ {1}}

Bilineaarinen interpolointi vastaa rekonstruktio suodatin funktionaaliyhtälö varten ja vuonna . ${\ displaystyle z = (1- | x |) (1- | y |)}$ ${\ displaystyle x}$ ${\ displaystyle y}$ ${\ displaystyle [-1.1]}$

Suurennus bilinaarisen interpoloinnin avulla

Kaksikubinen interpolointi

Kaksikubisella interpoloinnilla tulostettavan kuvan väriarvo interpoloidaan tulokuvan vierekkäisistä väriarvoista käyttämällä kuutio-uria (katso Mitchell-Netravali -suodatin ). On olemassa useita yhteisiä kuutio-uria, joilla on erilaiset ominaisuudet; termi "bikubinen interpolointi" on siksi epäselvä.

Kuvankäsittelyohjelma GIMP (versio 2.7) käyttää Catmull-Rom-uria. Tämän Spline tyyppi, väriarvojen reunoilla ylityksen , joka ilmenee kun terävöittäminen. Kuvankäsittelyohjelma Paint.NET (versio 3.36) puolestaan käyttää kuutioisia B-uria, jotka johtavat hämärtyneeseen esitykseen. Catmull-Rom-urat ovat myös vain - sileät , kun taas kuutiomaiset B- urat ovat - sileät . ${\ displaystyle C ^ {1}}$ ${\ displaystyle C ^ {2}}$

Sekä GIMP että Paint.NET käyttävät kaksiulotteisen rekonstruointisuodattimen erotettavissa olevaa muunnosta 4 × 4 pikselin kantoaallon kanssa. Kuten bilineaarisessa interpoloinnissa, kaksiulotteinen suodatin voidaan korvata interpolointisarjalla, jossa on yksiulotteinen suodatin.

Laajennus erotettavalla Catmull-Rom-suodattimella

Suurennus erotettavissa olevalla kuutioisella B-spline-suodattimella

Muut skaalausmenetelmät

Esimerkki suurennuksesta superresoluutioprosessilla. Vasemmassa kuvassa näkyy alkuperäinen kuva yhdeksän kuvan sarjasta, suurennettuna kahdesti pikselitoistolla. Oikea kuva näyttää kaksinkertaisen suurennuksen tuloksen yhdeksän SR: n alkuperäisen kuvan yhdistämisen jälkeen.

Erittäin tarkka resoluutio: Skaalattaessa ns. Superresoluutio (SR) -menetelmiä, käytetään tietoa sekvenssin yksittäisen kuvan naapurikuvista. Korkeampi laatu saavutetaan suuremmalla laskentaponnistelulla. Tällaiset menetelmät ovat erityisen merkityksellisiä lääketieteessä, astrofotografiassa ja valvontakameroiden tallenteiden oikeuslääketieteellisessä analyysissä . Nämä menetelmät kiinnostavat myös skaalautumista kotiteatterialueella; tällaisissa reaaliaikaisissa sovelluksissa käytetään yksinkertaisempia algoritmeja.

On myös yhden kuvan superresoluutiomenetelmä, joka analysoimalla näytekuvia eri resoluutioilla määrittää tilastollisen tiedon, jota käytetään skaalauksen aikana. Toinen tekniikka on havaita toistuvia yksityiskohtia kuvasta erikokoisina, jotka sitten skaalataan suurimman yksityiskohdan perusteella.

Sisällöstä riippuva kuvan vääristymä: Pitoisuus riippuvainen kuvan vääristymisen on menetelmä, jonka kuvasuhde kuvien muutetaan säilyttäen kyseisen kuvan sisältöä.

Pikselitaulun skaalaus: Erityiset algoritmeja on kehitetty laajentaa pikselin taiteen kuvia kovien reunojen, mikä tuottaa parempia tuloksia kuin edellä kuvattuja menetelmiä näiden kuvatyyppien. Jotkut näistä algoritmeista voivat skaalata kuvia reaaliajassa kaksi, kolme tai neljä kertaa alkuperäiseen kokoonsa, kun taas toiset tuottavat vektorigrafiikkaa.

Pikselitaidekuvan skaalaus 300%: iin pikselitoiston avulla
Skaalaus Hq3x-algoritmilla

Vektorigrafiikan epälineaarinen skaalaus

Vaatimukset tekniselle grafiikalle

Tekniset piirustukset, kuten rakennus-, rakennus- ja maanmittaussuunnitelmat sekä kartat, sisältävät kohteen geometrian lisäksi symboleja, mittoja ja selittäviä tekstimerkintöjä. Nämä piirustukset perustuvat puhtaaseen vektorigrafiikkaan, joten niihin on helppo vaikuttaa. Näiden suunnitelmien suunnittelu on standardoitu yleisillä ja toimialakohtaisilla piirustusstandardeilla ja näytelomakkeilla siinä määrin, että käyttäjät voivat tulkita ja toteuttaa suunnitelman sisällön. Toimi yhtenäisen suunnittelun keinona

Symbolit pienimuotoisille esineille, pisteiden esitys ja vakiokomponentit
Viivamallit eri viivatyypeille (esim. Piilotetut / näkyvät)
Tärkeiden viivojen korostus suurennetulla viivan leveydellä
Aluenäyttö, jossa käytetään kehäviivoja, viivoja tai värillisiä alueita
Mitat mittaketjuilla
Kohteille osoitetut tekstit erityislausekkeita tai tietoja varten.

Teknisten piirustusten tapauksessa hyvä suunnitelma on tärkeä suunnitelman sisällön tulkitsemiseksi. Tähän sisältyy se, että olennaisen suunnitelman sisällön ja selittävien lisätietojen esittäminen on tasapainossa, mikä on mahdollista vain skaalausalueella, joka täyttää nämä vaatimukset. Lähtöä varten vektorigrafiikka on muunnettava rasterigrafiikaksi, jonka rajat koskevat siis myös vektorigrafiikkaa tulostuksen aikana. Laajennukset ovat yleensä vähemmän ongelmallisia, tässä suunnitelman koko rajoittaa skaalausta. Pienennettynä on kuitenkin käytettävissä vähemmän pikseleitä samalle tietotiheydelle; esitys näyttää tällöin nopeasti ylikuormitetulta ja sitä on vaikea erottaa.

Tämän muunnoksen aikana on kuitenkin mahdollista vaikuttaa tulokseen, esimerkiksi piilottaa yksityiskohdat, jotka ovat liian pieniä ja siksi selkeästi tunnistettavissa. Symbolilähtöjen, tekstimerkintöjen ja ulottuvuuksien kohdalla merkinnän merkitys voidaan yleensä tunnistaa esityksen koon perusteella, mikä takaa hyvän yleiskuvan, koska suunnitelman käyttäjä saa kokonaisvaikutelman helpommin ja voi tutustua paremmin suunnitelman sisältöön. Toissijaiset yksityiskohdat osoitetaan toisaalta pienellä mutta silti luettavalla esityksellä. Tämän esitystavan avulla tietotiheyttä voidaan hallita tietyssä määrin automaattisesti.

Lineaariset skaalausongelmat

Jokainen graafisen informaation lisäosa vaatii vapaan alueen, koska sen tulisi korkeintaan peittää ja syrjäyttää pääobjektin esitys niin suuressa määrin, että tämä havainnointikuilu voidaan "hypätä yli". Suunnitelman tietotiheys määrää siten esityksen perusasteikon. Koon pienentämiselle on kapeat rajat, koska tietyn koon, noin 1,3 mm: n alapuolella olevat tekstit ja symbolit eivät ole enää luettavissa. Jopa suurennuksia ei voida tehdä halun mukaan. Lineaarisen skaalauksen takia perussuunnitelmassa tarkoituksella varovaisesti esitetyt lisätiedot tulevat nopeasti erittäin hallitseviksi ja häiritsevät siten merkittävästi kokonaisvaikutelmaa. Kun skaalaus tehdään kertoimella 2, symboleiden ja tekstien viemä tasopinta-ala kasvaa neliökertoimella 4 ja havaitaan enemmän etualalla. Alueiden kuoriutumisen osalta toisaalta kuoriutumisen pinta-ala vaikutelma häviää, koska kuoriutumisväli muuttuu liian suureksi ja saa vaikutelman yksittäisistä viivoista. Oleellisen suunnitelman sisällön havaitseminen vaikeutuu liikaa lisätietoa johtuen ja johtaa huonompaan suunnitelman laatuun.

Mittakaava 1: 250

Esimerkissä esitetään pieni ote topografisesta suunnitelmasta suunnittelun perustana; alkuasteikko on 1: 250 suuren tietotiheyden vuoksi. Siinä näkyy pumppausasema, maaston murtuneet reunat, pengerteet ja tienvarret, ääriviivat ja joitain tärkeitä putkia. Näytettiin myös tallennetut pisteet korkeustiedoilla, jotka muodostavat digitaalisen maastomallin perustan.

Kun pienennetään asteikolle 1: 500 (skaalauskerroin 0,5), ylimääräinen korkeustieto putoaa luettavuusrajan alle ja jätetään pois. Ainoastaan kaksi tärkeää ja siten korostettua kohtaa on nyt linkitetty lisätietoihin. Esitystä voidaan siksi käyttää vain yleiskatsauksena, koska tarkat korkeustiedot puuttuvat nyt.

Suurennettuna arvoon 1: 100 (skaalauskerroin 2,5) lisätiedot ja alemmat apulinjat ovat erittäin hallitsevia verrattuna tärkeisiin maaston murtoreunoihin, jotka vaikuttavat jonkin verran tukahdutetuilta.

Asteikko 1: 500 (lineaarinen)
Asteikko 1: 100 (lineaarinen)
Asteikko 1: 500 (ei-lineaarinen)
Asteikko 1: 100 (ei-lineaarinen)

Parannukset epälineaarisen skaalauksen avulla

Lisätietojen parempi esitys mahdollisen skaalausleveyden puitteissa tuo skaalaus skaalauskertoimen neliöjuurelle siten, että niiden pinta-alavaatimus vastaa lineaarisesti pohjapiirroksen geometrian skaalauskerrointa. Yhdistettynä tekstikerrosten automaattiseen sijoittamiseen tuloksena olevien vapaiden alueiden mukaan voidaan siten välttää tiedon menetys, mutta ei huonontunut näytön laatu skaalauksen raja-alueella.

Pienentäminen asteikkoon 1: 500 (skaalauskerroin 0,5 / 0,7) on edelleen mahdollista ilman tiedon menetystä, mutta tuo automaattisen tekstin paikannuksen mahdollisuuksiensa rajoille. Suunnitelman laatu on heikko, mutta silti käyttökelpoinen, jos suunnittelussa tarvitaan vain näyttönäkymä tai kätevä väliaikainen työsuunnitelma.

Suurennusasteikko 1: 100 (skaalauskerroin 2,5 / 1,6) on käyttökelpoinen eikä vaadi sen vuoksi mitään uudelleenkäsittelyä. Vaikka apulinjat tulevat esiin hieman selkeämmin, lisätiedot pysyvät niin varattuina, että tärkeiden maaston muotojen esittämistä ei estetä.

kirjallisuus

Stephen Marschner, Richard Lobb: Arvio jälleenrakennussuodattimista volyymirenderöintiin. In: Proceedings of the konferenssin Visualisointi '94, ss. 100-107. IEEE Computer Society Press, Los Alamitos 1994, ISBN 0-7803-2521-4 (Artikkeli käsittelee jälleenrakentamista 3D vokselin datan , mutta soveltuu myös kaksiulotteinen rasterigrafiikan.)
Peter Shirley et ai. a.: Tietokonegrafiikan perusteet . AK Peters, Wellesley 2005, ISBN 1-56881-269-8 , s. 99-104
Ken Turkowski, Steve Gabriel: Suodattimet yleisiin uudelleenäytteistystehtäviin . In: Andrew Glassncrct: Grafiikka Gems I . Academic Press, Boston 1990, ISBN 0-12-286165-5 , s.147-165, worldserver.com (PDF; 160 kt)

Yksittäiset todisteet

↑ James Foley et ai. a.: Tietokonegrafiikka: periaatteet ja käytäntö, s. 515. Addison-Wesley, Reading 1996, ISBN 0-201-84840-6
↑ Katso esimerkiksi dynaaminen video-video-supertarkkuus harmaasävyille ja värisekvensseille. Julkaisussa: EURASIP Journal on Applied Signal Processing , 2006, artikkelin tunnus 61859, doi: 10.1155 / ASP / 2006/61859 , people.duke.edu (PDF; 3,2 Mt)
↑ Katso esimerkiksi Daniel Glasner et ai. a.: Erotarkkuus yhdestä kuvasta . ICCV (IEEE International Conference on Computer Vision) 2009
↑ Katso esimerkiksi Johannes Kopf, Dani Lischinski: Pixel Art. ACM-tapahtumien depikselointi grafiikoilla 30, 4 (heinäkuu 2011): 99: 1–99: 8, ISSN 0734-2071 ( online )
↑ hq3x-suurennussuodatin ( Memento 8. helmikuuta 2008 Internet-arkistossa )

[1] James Foley et ai. a.: Tietokonegrafiikka: periaatteet ja käytäntö, s. 515. Addison-Wesley, Reading 1996, ISBN 0-201-84840-6

[2] Katso esimerkiksi dynaaminen video-video-supertarkkuus harmaasävyille ja värisekvensseille. Julkaisussa: EURASIP Journal on Applied Signal Processing , 2006, artikkelin tunnus 61859, doi: 10.1155 / ASP / 2006/61859 , people.duke.edu (PDF; 3,2 Mt)

[3] Katso esimerkiksi Daniel Glasner et ai. a.: Erotarkkuus yhdestä kuvasta . ICCV (IEEE International Conference on Computer Vision) 2009

[4] Katso esimerkiksi Johannes Kopf, Dani Lischinski: Pixel Art. ACM-tapahtumien depikselointi grafiikoilla 30, 4 (heinäkuu 2011): 99: 1–99: 8, ISSN 0734-2071 ( online )

[5] q3x-suurennussuodatin ( Memento 8. helmikuuta 2008 Internet-arkistossa )

Languages