Digitala bilder och digital bildmanipulering

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