Sie befinden sich hier: Freizeit / Fotografie / Weitere Seiten / Interpolations- verfahren /

Einführung

Für grossformatige Ausdrucke (>= A3) reichen die Auflösungen von 5-6 Megapixel-Kameras nicht aus, um 300dpi-Ausdrucke zu ermöglichen. Daher müssen Verfahren angewandt werden, um aus den vorhandenen Daten zusätzliche Pixel zu berechnen. Hierfür stehen eine Reihe von Interpolationsverfahren zur Verfügung, die im folgenden genauer beschrieben werden sollen. Weiterhin wird an einem Bildbespiel gezeigt, wie die Ergebnisse aussehen.

In Berichten in Internet und Presse wird oft erklärt, dass die iterative Step-Interpolation deutlich bessere Ergebnisse liefert als herkömmliche Verfahren auf Spline-Basis. Auch dies soll hier untersucht werden.

Nearest Neighbor

Der neue Pixel bekommt die Farbe des nächsten Nachbarpixels. Dieser Algorithmus führt zu "pixeligen" Aussehen des Endergebnisses. Der Algorithmus ist sehr einfach und daher auch extrem schnell.

Bilineare Interpolation

Hierbei wird zwischen den gegebenen Pixel eine lineare Interpolation durchgeführt. Bilinear heisst das ganze vermutlich, weil dies sowohl in x- als auch in y-Richtung geschieht. Das Ergebniss wirkt natürlicher als das des "Nearest Neighbor"-Verfahrens, kann jedoch noch Treppenstrukturen aufweisen. Der Algorithmus ist sehr einfach und daher auch sehr schnell.

Bikubische Interpolation

Ähnlich bilineare Interpolation, allerdings wird hierbei mit kubischen Splines gearbeitet. Das Ergebnis wirkt sehr "weich". Der Algorithmus ist komplexer als die bilineare Interpolation und daher auch langsamer.

Step-Interpolation

Hierbei handelt es sich um kein eigenständiges Interpolationsverfahren. Das Prinzip besteht darin, ein Interpolationsverfahren zu iterieren, sich also schrittweise ans das Ergebnis anzunähern. So werden z.B. statt einer 200% Vergrösserung mehrere 10% Vergrösserungen hintereinander durchgeführt, um das gewünschte Ergebnis zu erreichen. Bei richtiger Abstimmung lassen sich hierbei bessere Ergebnisse als mit einfachen Interpolationsverfahren erreichen.

Für das Beispiel wurde Photoshop 7 benutzt, die Stepinterpolation wurde mittels JavaScript implementiert.

Weitere Verfahren

Es existieren noch andere Interpolationsverfahren, jedoch habe ich mich hier nur auf Verfahren bezogen, die mit handelsüblichen Bildbearbeitungsprogrammen angeboten werden.

Bildbeispiel

Das folgende Bild besitzt eine Grösse von 282x212 Pixeln. Für die Tests wurde eine Vergrösserung auf 1181x886 Pixel vorgenommen. Um die Ergebnisse möglichst einfach vergleichen zu können, wurde auf ein Nachschärfen nach der Interpolation bewusst verzichtet.

Die Ergebnisbilder können hier heruntergeladen werden (um die Dateigrösse in Grenzen zu halten, wurden die Bilder JPEG-komprimiert).

Um die Ergebnisse besser vergleichen zu können, habe ich 2 Ausschnitte des Ergebnisses erstellt:

Nearest Neighbor
Bilinear
Bikubisch
Step 1%
Step 2%
Step 5%
Step 10%

Auswertung

Erschreckend wirkt vor allem das Ergebniss der Step-Interpolation in 1%-Schritten (d.h. es wird eine bikubische Interpolation durchgegführt und das Bild pro Schritt um 1% vergrössert). Offensichtlich summieren sich hier Fehler (vermutlich Rundungsfehler). Andererseite bringen die Step-Interpolationen in 5% und 10%-Schritten sehr gute Ergebnisse - meiner Meinung nach die besten. Es ist hier also besonders wichtig, die Schrittgrösse richtig zu wählen. Zu kleine Schritte führen vor allem zur Verstärkung von Bildfehlern, während zu grosse Schritte keinerlei Vorteile gegenüber einer einmaligen bikubischen Interpolation liefern.

Die besten Ergebnisse sind mit bikubischer oder Step-Interpolation (auf Basis bikubischer Interpolation) zu erreichen, jedoch auch hier vor dem Ausdruck ein Nachschärfen des Ergebnisses dringend anzuraten. In den gezeigten Beispielen sind die Unterschiede zwischen Setp-5, Step-10 und Bikubisch sehr gering.

Der Vergleich mit anderen Interpolationsverfahren ist u.U. nicht einfach möglich, da es bei dem Beispiel bewusst auf ein Nachschärfen verzichtet wurde. "Closed Source" Interpolationen, die evtl. selbst Schärfungsalgorithmen nutzen, können daher visuell bessere Ergebnisse liefern. Aber auch die hier gezeigten Ergebnisse lassen sich durch Nachschärfen verbessern.
Beim Nachschärfen ist jedoch zu beachten, dass es hierfür keine generellen Regeln gibt, sondern Art und Abstimmung des Schärfungsalgorithmus in Abhängigkeit von Ausgabemedium und -grösse gewählt werden müssen.