画像のスケーリングとは

画像スケーリングは、デジタル画像のサイズを拡大または縮小するコンピューターグラフィックスプロセスです。 画像は、画像ビューアまたは編集ソフトウェアを使用して明示的に拡大縮小できます。または、プログラムによって自動的に行われ、画像を異なるサイズの領域に合わせることができます。 サムネイル画像を作成するために行われる画像の縮小では、いくつかの方法を使用できますが、主にアンダーサンプリングと呼ばれる種類のサンプリングを使用して画像を縮小し、元の品質を維持します。 大きな領域を塗りつぶすのに必要なピクセル数は元の画像のピクセル数よりも大きいため、画像のサイズを大きくすると、より複雑になる可能性があります。 画像のスケーリングを使用して画像のサイズを拡大する場合、いくつかのアルゴリズムの1つを使用して、より大きな画像の追加ピクセルの色を近似します。

画像のサイズを大きくするために画像のスケーリングに使用できるアルゴリズムには、主に3つのタイプがあります。 最も単純なバージョンでは、ソース画像の各元のピクセルを取得し、それを大きな画像の対応する位置にコピーします。 これにより、現在の位置の左側にあるソースピクセルの色を空のピクセルに割り当てることで、大きなイメージのピクセル間に隙間ができます。 これは、実際には、画像とそのデータをより大きな領域に乗算します。 最近傍と呼ばれるこの方法はデータの損失を防ぐのに効果的ですが、個々のピクセルの拡大ブロックがはっきりと見えるため、画像スケーリング後の結果の品質は通常低下します。

他の画像スケーリングアルゴリズムは、拡大された画像の空のスペースを、その周囲のピクセルの色によって色が決定されるピクセルで埋めることによって機能します。 バイリニア補間およびバイキュービック補間と呼ばれるこれらのアルゴリズムは、特定のピクセルを囲むソースピクセルの色を基本的に平均化し、計算された色平均で大きな画像の空のスペースを埋めます。 結果は最近傍の画像スケーリングよりも滑らかですが、大きすぎる画像はぼやけて不明瞭な色のブロックでいっぱいになる可能性があります。

3番目のタイプの画像スケーリングアルゴリズムは、パターン認識の形式を使用して、拡大されている画像のさまざまな領域を特定し、欠落しているピクセルを構造化しようとします。 この方法では良い結果が得られますが、アルゴリズムが適用される回数が増えると、画像内に視覚的なアーチファクトが作成され始めます。 この方法で画像を拡大縮小すると、フルカラー写真画像の場合、計算コストが高くなる可能性があり、他の種類の拡大縮小よりも多くのメモリが必要になる場合があります。

画像スケーリングは、デジタル画像のサイズを縮小するためにも使用できます。 小さい画像はソース画像よりもピクセルが少ないため、ほとんどのアルゴリズムはかなり良い結果を提供します。 画像のサイズを小さくするアルゴリズムは、サイズを大きくするために使用されるアルゴリズムと似ていますが、プロセスは逆に実行されます。 ソース画像内のピクセルは、エリアごとに平均化され、単一のピクセルに結合されて、適切な位置にある新しい小さな画像に配置されます。