Масштабирование. Алгоритм Уменьшения и Увеличения изображения
В этой статье я хочу затронуть проблемы построения алгоритмов масштабирования изображения.
Наверняка когда вы пытались найти алгоритмы масштабирована вы находили в первую что-то вроде: Существуют несколько алгоритмов самое простое это алгоритм Ближайший сосед потом билинейная , бикубическая интерполяция и.т.д
И какие могут быть проблемы?
Первая проблема
Ну начнем с того, что по сути своей реализует масштабирована только алгоритм Ближайшего соседа, оставшиеся лишь реализуют сглаживание более пикселизированого и грубого изображения полученного таким способом. Нет вы конечно можете реализовать другие алгоритмы и без Ближайшего соседа, только ваш алгоритмом будет встроен тот же принцип.
Изображение увеличение с помощью алгоритма Ближайший сосед: без фильтра Ланцоша и с мин
Вторая проблема
Прекрасно казалось бы всё мы используем алгоритмом ближайшего соседа, поверх используем какую-нибудь интерполяцию либо функцию Ланцоша и воля, у нас все хорошо. Хорошо до того момента как мы не уменьшаем изображение и получаем это.
1.Исходное изображение, 2.Уменьшеное алгоритмом Ближайший сосед
Конечно после этого мы начнем искать решение проблемы. Будем использовать разные фильтры, несколько циклов поэтапного уменьшения и всё рано получим тот же ужасный результат.
А почему? Да потому, что сам принцип алгоритма Ближайший сосед, не является верным для уменьшения изображения.
Я приведу аналогию: Перед нами стоит яблок так, что мы видим, что оно состоит из сочетания зеленого и красного цвета, мы отходим на значительное расстояние и видим что наша яблоко перестаёт быть зелено-красным и теперь оно жёлтое. И почему так произошло, да потому, что яблоко теперь в меньшом площади обозрения и зелёный с красным цветом смешиваются становясь одним желтым цветом.
Как понимаете алгоритмом Ближайший сосед не способен обеднять информацию, он лишь выборочно предаёт те или иные цвета. Как если бы в дали яблоко виделось бы нам только зеленом или красном цвете. Иза этого при использование алгоритма изображение оказывается рваным.
Если это так то как передать информацию полностью, обледенив её. Я думаю, что кто-то уже догадался, что мы можем все пиксели попадающие в одну ячейку массива, просто привести к среднему цвету.
Вот пример алгоритма на C#
public static Color[,] ConvertImage(Color[,] image, double percentageValue)
{
int width = (int)Math.Round(image.GetLength(0) * percentageValue);
int height = (int)Math.Round(image.GetLength(1) * percentageValue);
double[,,] valuesSum = new double[width, height, 4];
int[,] quantities = new int[width, height];
for (int y = 0; y < image.GetLength(0); y++)
{
int y2 = (int)Math.Ceiling(y * percentageValue);
if (y2 >= width)
y2 = width - 1;
for (int x = 0; x < image.GetLength(1); x++)
{
int x2 = (int)Math.Ceiling(x * percentageValue);
if (x2 >= height)
x2 = height - 1;
valuesSum[y2, x2, 0] += image[y, x].A;
valuesSum[y2, x2, 1] += image[y, x].R;
valuesSum[y2, x2, 2] += image[y, x].G;
valuesSum[y2, x2, 3] += image[y, x].B;
quantities[y2, x2]++;
}
}
Color[,] newImage = new Color[width, height];
for (int y = 0; y < newImage.GetLength(0); y++)
{
for (int x = 0; x < newImage.GetLength(1); x++)
{
int A = (int)(valuesSum[y, x, 0] / quantities[y, x]);
int R = (int)(valuesSum[y, x, 1] / quantities[y, x]);
int G = (int)(valuesSum[y, x, 2] / quantities[y, x]);
int B = (int)(valuesSum[y, x, 3] / quantities[y, x]);
newImage[y, x] = Color.FromArgb(A, R, G, B);
}
}
return newImage;
}
Результат
Исходное изображение, 2.Уменьшеное новым алгоритмом
Как видите мы получили совершено иной итог.
И хотелось ещё добавить что, при увеличение наша изображение мы можем применить те же заглаживающие алгоритмы.
