Кіріспе
Цифрлық кескіннің ажыратымдылығын өзгерту
Компьютерлік графика және цифрлық бейнелеу салаларында кескінді масштабтау – цифрлық кескіннің мөлшерін өзгерту. Видео технологиясында цифрлық материалды үлкейту масштабтау немесе ажыратымдылықты жақсарту деп аталады. Векторлық графикалық кескінді масштабтағанда, кескінді құрайтын графикалық элементтерді геометриялық түрлендірулер арқылы, кескін сапасын жоғалтпай өзгертуге болады. Растрлық графикалық кескінді масштабтағанда, пикселдер саны артық немесе кем жаңа кескін жасалуы тиіс. Пикселдер санын азайту (кішірейту) кезінде көбінесе сапаның көрінетін жоғалуына себеп болады. Цифрлық сигналды өңдеу тұрғысынан қарағанда, растрлық графиктің масштабталуы – дискретті сигналды бір үлгі алу жиілігінен (осы жағдайда, жергілікті үлгі алу жиілігінен) екіншісіне түрлендірудің екі өлшемді мысалы.
Математикалық
Кескінді масштабтау Никвист үлгілеу теоремасы тұрғысынан кескінді қайта үлгілеу немесе кескінді қайта құру түрі ретінде қарастырылуы мүмкін. Теоремаға сәйкес, жоғары ажыратылымды түпнұсқадан кішірек кескінді алу үшін, бұрмалану артефакттарын болдырмау мақсатында тиісті 2D антиалиазинг сүзгісін қолданғаннан кейін ғана мүмкін болады. Кескінді кішірек кескіндік ақпаратқа дейін азайтуға болады. Үлгіні үлкейту кезінде антиалиазинг сүзгісінің орнына қайта құру сүзгісі қолданылады. Көбірек күрделі үлкейту тәсілдері мәселені кері проблема ретінде қарастырады, яғни кіріс кескініндей көрінетін сенімді кескінді жасау мәселесін шешеді. Бұл үшін түрлі техникалар қолданылды, оның ішінде реттегіш мүшелері бар оптимизациялау техникалары және мысалдар арқылы машиналық оқытуды пайдалану.
Алгоритмдер
Суреттің мөлшерін бірнеше тәсілмен өзгертуге болады.
Ең жақын көрші интерполяциясы
Суреттің көлемін ұлғайтудың ең оңай жолдарының бірі – жақын көрші интерполяциясы, онда әр пиксел шығыстағы ең жақын пикселмен ауыстырылады; көбейту кезінде бұл бір түстің бірнеше пикселдерінің пайда болуын білдіреді. Бұл пиксельдік өнерде анық бөлшектерді сақтап қалуға мүмкіндік береді, бірақ бұрынғысы тегіс болған суреттерде тік сызықтарды (пиксельденуді) тудыруы мүмкін. "Жақын" дегені математикалық жақындықты білдірмейді. Көп қолданылатын әдіс – әрқашан нөлге қарай дөңгелектеу. Осылай дөңгелектеу артефакттарды азайтады және есептеу жылдамдығын арттырады.
Билинеарлық және бикубтық алгоритмдер
Билинеарлық интерполяция пикселдік түс мәндерін интерполяциялау арқылы жұмыс істейді, бастапқы материалда дискретті өтулер болған жағдайда да шығыс суретте үздіксіз өтуді қамтамасыз етеді. Бұл үздіксіз тонды суреттер үшін қажет болса да, бұл алгоритм сызық өнері үшін қолайсыз болуы мүмкін контрастты (күрделі жиектерді) төмендетеді. Бикубикалық интерполяция есептеу күшін арттырумен бірге айтарлықтай жақсы нәтижелер береді.
Sinc және Lanczos қайта іріктеу
Синк-ресемплинг теориялық тұрғыдан алғанда, толық жолақты шектелген сигналды қалпына келтірудің ең жақсы мүмкіндігін ұсынады. Бірақ практикада, синк-ресемплингтің негізгі талаптары нақты әлемдегі цифрлық кескіндер үшін толыққанды орындалмайды. Ланчос ресемплингі, синк әдісіне жуықтап келген нұсқа, жақсы нәтижелер береді. Бикубикалық интерполяция Ланчос ресемплингіне есептеу жағынан тиімді жақындау ретінде қарастырылуы мүмкін.
Қораптан үлгі алу
Билинеарлық, бикубтық және ұқсас алгоритмдердің бір кемшілігі – олар белгілі бір мөлшерде пиксельдерді үлгілейді. Кескінді белгілі бір шектен артық кішірейткенде, мысалы, барлық екілік үлгілеу алгоритмдері үшін екі еседен көп кішірейткенде, алгоритмдер бір-біріне жақын емес пиксельдерді үлгілейді, бұл деректердің жоғалуына және дөңгелек нәтижелерге алып келеді. Осы мәселенің ең оңай шешімі – тіктөртбұрышты үлгілеу, яғни, мақсатты пикселді бастапқы кескіндегі тіктөртбұрыш ретінде қарастырып, тіктөртбұрыш ішіндегі барлық пикселдерді үлгілеу. Бұл барлық кіріс пикселдерінің нәтижеге үлес қосатынын қамтамасыз етеді. Бұл алгоритмнің басты кемшілігі – оны жақсарту қиын.
Mipmap
Екі үлгілеудің масштабтауын азайту мәселесіне тағы бір шешім – мип-карталар. Мип-карта – бұл алдын ала масштабталған, кішірейтілген көшірмелердің жиынтығы. Масштабтау кезінде, екі сызықты интерполяцияның тиімді шегінен төмен түсіп кетпеу үшін, ең жақын үлкен мип-карта бастапқы нүкте ретінде қолданылады. Бұл алгоритм жылдам және оңай оңтайландырылады. Ол OpenGL сияқты көптеген құрамалардың (frameworks) стандарты болып табылады. Бұл әдіс үшін қосымша сурет жады қажет, стандартты жарында үштен бір бөлігіне дейін артық.
Фурье трансформациясы әдістері
Фурье түрлендіруіне негізделген қарапайым интерполяция жиілік саласын нөлдік компоненттермен толтырады (тегіс терезеге негізделген тәсіл қоңырау эффектісін азайтады). Егжей-тегжейлердің жақсы сақталуы (немесе қалпына келтірілуі) қатарлы, сол жақ шекарадан оң жақ шекараға (және керісінше) мазмұнның таралуы және қоңырау эффектісі байқалады.
Шетіне бағытталған интерполяция
Шекараға бағытталған интерполяция алгоритмдері кескіннің масштабталуынан кейін шеттерін сақтауға бағытталған, ал басқа алгоритмдер баспалдақ тәрізді бұрмалауларды тудыруы мүмкін. Осы міндетке арналған алгоритмдердің мысалдары: Жаңа шекараға бағытталған интерполяция (NEDI), Шетке бағытталған кескін интерполяциясы (EGGI), Итеративтік қисықтыққа негізделген интерполяция (ICBI) және Бағытты кубтық конволюциялық интерполяция (DCCI). 2013 жылғы талдау көрсеткендей, DCCI тесттік кескіндер сериясы бойынша PSNR және SSIM көрсеткіштері бойынша ең жоғары нәтижелерді берді.
hqx
Төмен ажыратымдылығы және/немесе азырақ түстері бар (әдетте 2-ден 256 түске дейін) компьютерлік графиканы ұлғайту үшін hqx немесе басқа пикселдік өнерді масштабтау алгоритмдерін қолданғанда жақсы нәтижелерге қол жеткізуге болады. Олар өткір жиектерді жасап, жоғары деңгейдегі бөлшектерді сақтайды.
Векторизация
Векторлы экстракция немесе векторландыру тағы бір тәсіл ұсынады. Векторландыру алдымен масштабталатын графиканың рұқсаттан тәуелсіз векторлық өрнегін жасайды. Содан кейін рұқсаттан тәуелсіз нұсқасы қажетті ажыратымдылықта растрлық кескін ретінде көрсетіледі. Бұл техниканы Adobe Illustrator, Live Trace және Inkscape қолданады. Масштабталмалы векторлық графика қарапайым геометриялық кескіндерге өте қолайлы, ал фотосуреттер өздерінің күрделілігіне байланысты векторландыру арқылы жақсы көрсетілмейді.
Терең ыдыраулы нейрондық желілер
Бұл әдіс машиналық оқытуды фотосуреттер және күрделі көркем туындылар сияқты толыққанды бейнеленген суреттер үшін пайдаланады. waifu2x, Imglarger және Neural Enhance бағдарламалары осы әдіспен жұмыс істейді. MyHeritage Photo Enhancer сияқты жасанды интеллектке негізделген бағдарламалық құралдар, түпнұсқада жоқ егжей-тегжейлі және айқындықты тарихи фотосуреттерге қосуға мүмкіндік береді.
Жалпы
Суретті масштабтау веб-браузерлерде, сурет редакторларында, сурет және файлдарды қарау бағдарламаларында, бағдарламалық үлкейтігіштерде, цифрлық зумда, миниатюралық суреттер жасау процесінде, сондай-ақ экрандар немесе принтерлер арқылы суреттерді шығару кезінде және тағы да басқа қолданыстарда қолданылады.
Видео
Бұл қолданба үй кинотеатрларында HDTV-ге дайын құрылғылар үшін, мысалы, DVD плеерден PAL ажыратымдылығындағы бейнелерді үлкейтуге арналған. Үлкейту нақты уақытта жүзеге асырылады және шығыс сигналы сақталмайды.
Пикселдік масштабтау
Пиксельдік графика көбінесе төмен ажыратымдылыққа ие болғандықтан, жеке пиксельдердің мұқият орналасуына және көбінесе шектеулі түс палитрасына тәуелді болады. Бұл аз ажыратымдылықта күрделі пішіндерді анықтау үшін стильдік визуальды белгілерге сүйенетін графикалық элементтерге әкеледі, тіпті жеке пиксельдерге дейін. Осы себепті пиксельдік суретті масштабтау өте қиын мәселе болып табылады. Пиксельдік графиканы өңдеу үшін арнайы алгоритмдер әзірленді, себебі дәстүрлі масштабтау алгоритмдері қабылдау ерекшеліктерін ескермейді. Көбінесе олардың қолданылуы – аркадалық және консольдік эмуляторларда төртінші және одан бұрынғы буын видео ойындарының көрінісін жақсарту, сондықтан көптеген алгоритмдер секундына 60 кадрмен кішкентай кескіндерді нақты уақытта өңдеуге арналған. Жылдам жабдықтарда бұл алгоритмдер ойындар мен басқа да нақты уақыт кескін өңдеуге жарамды. Бұл алгоритмдер кескілді, айқын графикті қамтамасыз етеді, бұлыңғырлықты азайтады. Масштабтау алгоритмдері HqMAME және DOSBox сияқты эмуляторлардың көптеген түрлерінде, сондай-ақ 2D ойын қозғалтқыштарында және ScummVM сияқты ойын қозғалтқыштарын қайта жасауда қолданылған. Олар ойыншылардың арасында танымал болды, себебі бұл технологиялар 1980-ші және 1990-шы жылдардағы ойын тәжірибесін қайта жаңғыртуға көмектесті. Мұндай сүзгілер қазіргі уақытта Xbox Live, Virtual Console және PSN-дегі коммерциялық эмуляторларда классикалық төмен ажыратымдылықтағы ойындардың заманауи HD дисплейлерінде көрінісін жақсарту үшін қолданылады. Соңғы уақытта осы сүзгілерді қолданатын ойындардың арасында Sonic's Ultimate Genesis Collection, Castlevania: The Dracula X Chronicles, Castlevania: Symphony of the Night және Akumajō Dracula X Chi no Rondo бар.
Нақты уақыт масштабы
Бірқатар компаниялар бейнекадрларды нақты уақытта кеңейту әдістерін әзірледі, мысалы, бейнеойында экранға бейне суреттері шығарылған кезде. Nvidia-ның терең оқуға негіделген супер-үлгілеуі (DLSS) терең оқуды төмен ажыратымдылықтағы кескіндерді жоғары ажыратымдылықтағы компьютер мониторларында көрсету үшін жоғары ажыратымдылыққа дейін үлкейту үшін пайдаланады. AMD-нің FidelityFX Super Resolution 1.0 (FSR) машиналық оқытуды қолданбайды, оның орнына дәстүрлі көлеңке беру бірліктерінде кеңістіктік масштабтауға қол жеткізу үшін дәстүрлі, қолмен жазылған алгоритмдерді пайдаланады. FSR 2.0 уақытша масштабтауды қолданады, қайтадан қолмен түзетілген алгоритммен. FSR стандартты алдын-орнатулары міндетті емес, ал Dota 2 сияқты кейбір ойындар ажыратымдылықты реттеуге арналған сызғыштарын ұсынады. Басқа технологияларға Intel XeSS және Nvidia Image Scaler (NIS) жатады.