이미지 스케일링이란 무엇입니까?

이미지 스케일링은 디지털 이미지의 크기를 높이거나 줄이는 컴퓨터 그래픽 프로세스입니다. 이미지는 이미지 뷰어 또는 편집 소프트웨어로 명시 적으로 확장 될 수 있거나 이미지를 다른 크기의 영역에 맞추기 위해 프로그램에 의해 자동으로 수행 될 수 있습니다. 썸네일 사진을 만들기 위해 수행 된 이미지를 줄이면 여러 가지 방법을 사용할 수 있지만 이미지를 줄이고 원래 품질을 유지하기 위해 언더 샘플링이라는 샘플링 유형을 사용합니다. 더 큰 영역을 채우는 데 필요한 픽셀의 수는 원래 이미지의 픽셀 수보다 크기 때문에 이미지의 크기를 증가시키는 것이 더 복잡 할 수 있습니다. 이미지 스케일링을 사용하여 이미지의 크기를 높이면 여러 알고리즘 중 하나가 더 큰 이미지에서 추가 픽셀의 색상을 근사화하는 데 사용됩니다.

이미지 스케일링에 사용할 수있는 세 가지 주요 알고리즘 유형이 있습니다.이미지의 ize. 가장 간단한 버전은 소스 이미지에서 각각의 원래 픽셀을 가져 와서 더 큰 이미지에서 해당 위치로 복사합니다. 이렇게하면 더 큰 이미지의 픽셀 사이의 간격이 공급 픽셀에 지정되어 현재 위치의 왼쪽에있는 소스 픽셀의 색상을 할당하여 채워집니다. 사실상 이것은 이미지와 데이터를 더 큰 영역으로 곱합니다. 가장 가까운 이웃이라고 불리는이 방법은 데이터 손실을 방지하는 데 효과적이지만, 이미지 스케일링 후 결과 품질은 일반적으로 어려움을 겪습니다. 개별 픽셀의 확대 된 블록이 명확하게 표시되기 때문입니다.

다른 이미지 스케일링 알고리즘은 빈 공간을 확대 된 이미지로 채우는 픽셀로 채우는 것이 작동합니다. Bilinear Interpolation 및 Bicubic Interpolation이라고하는이 알고리즘은 본질적으로 주어진 픽셀을 둘러싼 소스 픽셀의 색상을 평균적으로 다음 C를 C로 더 큰 이미지의 빈 공간을 채 웁니다.구조 된 색상 평균. 결과는 가장 가까운 이웃 이미지 스케일링보다 매끄럽지 만, 너무 커진 이미지는 흐릿 해지고 불분명 한 색상 블록으로 가득 차있을 수 있습니다.

이미지 스케일링 알고리즘의 세 번째 유형은 패턴 인식 형태를 사용하여 확대되는 이미지의 다른 영역을 식별 한 다음 누락 된 픽셀을 구조화하려고 시도합니다. 이 방법은 좋은 결과를 얻을 수 있지만 알고리즘이 더 많이 적용될 때 이미지 내에서 시각적 아티팩트를 만들 수 있습니다. 이러한 방식으로 이미지 스케일링은 풀 컬러 사진 이미지의 경우 잠재적으로 계산적으로 비싸며 다른 유형의 스케일링보다 더 많은 메모리가 필요할 수 있습니다.

이미지 스케일링을 사용하여 디지털 이미지의 크기를 줄일 수 있습니다. 작은 이미지는 소스 이미지보다 픽셀이 적을 것이므로 대부분의 알고리즘은 상당히 좋은 결과를 제공합니다. 이미지의 크기를 줄이기위한 알고리즘은 크기를 증가시키는 데 사용되는 것과 유사하지만 프로세스는 PE입니다.리버스로 만들어졌습니다. 소스 이미지의 픽셀은 영역에 대해 평균화되어 적절한 위치에서 새롭고 작은 이미지에 배치되는 단일 픽셀로 결합됩니다.