درونیابی
یا Interpolation (شبیه
سازی: Resampling) یکی از
روشهای
عکاسی است که
در آن تعداد
پیکسلهای یک
تصویر
دیجیتال
افزایش (یا
کاهش) مییابد.
این روش در بعضی
از دوربینهای
دیجیتال برای
این منظور به
کار میرود تا
تصویر بزرگتری
در مقایسه با
آنچه حسگر
دوربین ثبت
کرده ارائه شود
یا آنکه نوعی
زوم دیجیتال داشته
باشیم.
معمولا، تمام
نرمافزارهای
ویرایشی به
کار رفته در
دوربینهای
دیجیتال، یک
یا چند روش از
روشهای
متنوع Interpolation
تصویری را
دارا هستند. کیفیت
تصویر نهایی حاصل
از روشهای درونیابی
به سطح پیچیدگی
و پیشرفت
الگوریتمهای
دوربین بستگی
دارد.
مثالهای
زیر افزایش 450٪
در اندازهی
واقعی یک برش 40×106
را نشان میدهند.
درونیابی نزدیکترین
پیکسلها (Nearest Neighbor Interpolation)
روش فوق
سادهترین
روشی است که
پیکسلها را بزرگ
میکند. با
این روش، رنگ
پیکسل جدید
همان رنگی است
که نزدیکترین
پیکسل همجوار
در تصویر
اولیه و اصلی دارد.
برای مثال،
اگر تصویری را
تا 200٪ بزرگ
کنید، یک
پیکسل تصویر به
یک فضای 4
پیکسلی (2×2) تبدیل
میشود که همرنگ
پیکسل اصلی و
اولیه است.
بیشتر نرمافزاهای
ویرایشی و
مرور عکس برای
زوم کردن روی
تصویر
دیجیتال از
این روش استفاده
میکنند تا به
این ترتیب،
تصویر را به
شکل دقیقتری
بررسی کنند.
این روش
اطلاعات رنگی
تصویر را
تغییر نمیدهد
و تغییر خاصی
نیز در تصویر
ایجاد نخواهد شد.
البته
پیشنهاد میشود
ابعاد تصویر
خود را با این
روش بزرگ
نکنید چرا که
لبهی عکس
شما به شکل مشخصتری
دنداندهدار خواهد
شد.
|
|
|
درونیابی
نزدیکترین
پیکسلها (Interpolation)
|
Bilinear Interpolation
در روش Bilinear
Interpolation،
ارزش هر پیکسل
رنگی بر اساس
وزن متوسط 4
پیکسل افقی و
عمودی واقع در
نزدیکترین
فاصله پیکسل اولیه
قرار دارند،
تعیین میشود.
این برآورد نوعی
اثر ضد کنگرهای
(شطرنجی شدن) بر
لبههای عکس دارد.
از این رو لبههای
نسبتا نرم و
صافی خواهید
داشت که کمتر
حالت دندانهای
و شطرنجی دارند.
|
|
|
Bilinear
Interpolation
|
Bicubic Interpolation
Bicubic Interpolation
روش بسیار
پیچیدهتری
است که در
مقایسه با روش Bilinear
Interpolation لبههای
صافتر و نرمتری
را ارائه میکند.
در اینجا پیکسل
جدید بر
اساس ارزش
تخمینی 16 پیکسل
(نزدیکترین
محدوده 4×4تایی) برآورد
میشود. این
روش در نرمافزارهای
ویرایشی، چاپگرها
و دوربینهای
دیجیتال
بسیار مرسوم و
معمول است.
نرم افزار Adobe
Photoshop CS
دو نسخه مختلف
این درونیابی
را ارائه میکند:
Bicubic Smoother و Bicubic Sharper. به
تصویر زیر دقت
کنید.
|
|
|
Bicubic Interpolation
|
|
|
|
|
|
Bicubic Smoother
|
Bicubic
|
Bicubic Sharper
|
Fractal
Interpolation
Fractal Interpolation
روش دیگری از روشهای
درونیابی
تصویر است که
در بزرگنماییهای
فوقالعاده
بزرگ (چاپهای
بسیار بزرگ) عملکرد
خوبی دارد.
عکسهایی که
با این روش
بزرگ میشوند عکسهایی
شارپ و تمیز
خواهند بود.
مشکل محوی لبهها
نیز کمتر
دیده میشود.
|
|
|
Fractal Interpolation
|
البته،
روشهای
مختلف دیگری
از
درونیابی
تصویر نیز
وجود دارد که تنها
در نرمافزارهای
بسیار
پیشرفته به
کار میروند و
در اینجا از
پرداختن به آنها
صرف نظر میشود.
