Digitala bilder och digital bildmanipulering
Digitala bilder och digital bildmanipulering
Digitala bilder och digital bildmanipulering
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
När man förstorar en bild måste man skapa nya pixels mellan de gamla. Detta kallas för interpolering eller uppsampling.<br />
Det finns olika metoder för att göra detta. De vanligaste är närmaste granne (nearest neighbor), bilinjär interpolation<br />
(bilinear interpolation) <strong>och</strong> bikubisk interpolation (bicubic interpolation). Bikubisk interpolation är den mest komplicerade<br />
<strong>och</strong> tar längst tid att beräkna, men ger i allmänhet också det bästa resultatet. Närmaste granne är ingen egentlig interpolation,<br />
utan man tar bara det närmaste sampelvärdet <strong>och</strong> duplicerar det. Detta ger en ”kantighet” i de förstorade <strong>bilder</strong>na som oftast<br />
är oönskad. Bättre interpolationsmetoder ger inte samma tydliga bieffekter. Bilder som förstoras mer än marginellt blir dock<br />
alltid suddiga på ett eller annat sätt. Det finns helt enkelt inte nog med information i en liten bild för att skapa en större, skarp<br />
bild.<br />
När en bild skall förminskas måste man kasta bort data <strong>och</strong> bestämma sig för vilka sampelvärden man skall behålla. Detta<br />
kallas för nedsampling, <strong>och</strong> innebär också ett slags interpolering. Även här kan man använda sig av närmaste granne, linjär<br />
eller bikubisk interpolering, med i stort sett samma skillnader i kvalitet som för uppsampling. Närmaste granne-metoden kan<br />
göra även en förminskad bild kantig, <strong>och</strong> vissa små detaljer kan försvinna helt eller delvis. Bilder som förminskats innehåller<br />
mindre information än originalet, eftersom man kastar bort data när man minskar antalet bildpunkter. Det går därför inte att<br />
återskapa originalet exakt genom att förstora den förminskade bilden igen.<br />
5RWDWLRQ<br />
En annan bildoperation som kan kräva beräkningar är rotation. Rotation i steg om 90 grader innebär dock inga beräkningar.<br />
Då är det bara att flytta om de befintliga bildpunkterna <strong>och</strong> stuva om rader till kolumner. Beräkningar krävs bara när man vill<br />
rotera i en godtycklig vinkel. På samma sätt som med förminskning <strong>och</strong> förstoring kan man ta en enkel utväg <strong>och</strong> säga att<br />
själva rutnätet för samplingen vrids med bilden, så att man bara lägger själva bildpunkterna på snedden. På samma sätt som<br />
för storleksförändring är detta dock sällan någon bra lösning. Det är oftast en utenhet inblandad som har horisontella <strong>och</strong><br />
vertikala rader <strong>och</strong> kolumner för de bildpunkter som kan visas, <strong>och</strong> för att få en bild att visas roterad måste man i sådana fall<br />
räkna om sampelvärdena. Det rör sig även här om en interpolering, där man skapar nya sampelpunkter utifrån existerande<br />
sampelpunkter, <strong>och</strong> även härkan man använda sig av olika noggranna interpoleringsmetoder. Närmaste granne-metoden kan<br />
ge ett acceptabelt resultat för rotation, men liksom annars är mer komplicerade metoder som bikubisk interpolering att föredra<br />
om man har datorkraft nog <strong>och</strong> programvara som klarar av att göra en noggrannare interpolering.<br />
En annan populär metod för att förändra <strong>bilder</strong> är så kallad ”warping”, där bilden samplas om till ett oregelbundet rutnät för<br />
att uppnå speciella effekter. I detta fall är det ännu viktigare att man interpolerar noggrant, eftersom bilden kommer att samplas<br />
om olika tätt i olika punkter. Om interpolationseffekter som kantighet eller suddighet syns mer på vissa ställen än andra<br />
är det både avslöjande <strong>och</strong> störande.<br />
Förminskning, förstoring, rotation <strong>och</strong> ”warping” faller allihop under det kollektiva begreppet omsampling, vilket bokstavligen<br />
innebär att man räknar fram en ny samplad <strong>digital</strong> bild med en tidigare samplad <strong>digital</strong> bild som utgångspunkt. Teorin<br />
kring omsampling är omfattande <strong>och</strong> komplicerad, men om man bara känner till i stora drag vad det innebär har man vunnit<br />
mycket för förståelsen av hur <strong>digital</strong>a <strong>bilder</strong> uppför sig.<br />
Originalbild (105x105 pixels)<br />
Förminskad bild<br />
(50x50 pixels)<br />
Förstorad bild (210x210 pixels)<br />
bikubisk interpolering