Réduction de taille d'image sans perte de qualité perceptible : principes de rééchantillonnage et guide d'utilisation

Du point de vue de la théorie de l'information, la quantité totale d'information de pixels contenue dans une image haute définition originale est bien supérieure à la quantité d'information requise pour la taille cible réduite. Le processus de réduction ne supprime que l'information redondante répétée et ne modifie pas la structure de texture des zones core.

L'œil humain a une limite de résolution des détails d'image. Prenons un écran 1080P comme exemple : quand la largeur d'une image unique dépasse 1920 pixels, les pixels supplémentaires ne peuvent pas être perçus par l'œil humain, donc réduire l'image à une taille adaptée n'entraîne aucune dégradation visible de la qualité.

L'essence de l'agrandissement d'image est d'inférer de nouveaux pixels à partir des pixels existants. Les détails qui n'ont pas été enregistrés lors de la prise de vue originale ne peuvent pas être générés par interpolation, et aucun algorithme ne peut créer de l'information d'image inexistante à partir de rien.

Les algorithmes de super-résolution par IA peuvent utiliser les caractéristiques de texture apprises à partir des jeux de données d'entraînement pour compléter raisonnablement les zones agrandies et améliorer la perception visuelle, mais ils ne peuvent pas restaurer de détails réels au-delà de ce que l'image originale a enregistré, et les résultats de complétion présentent des écarts probabilistes.

L'opération core de la mise à l'échelle d'image est le rééchantillonnage, qui calcule la valeur de pixel des positions cibles à partir des pixels originaux. Différents algorithmes d'interpolation ont des logiques de calcul différentes, ce qui entraîne des différences dans les résultats de sortie. Le redimensionneur d'image OKfmt prend en charge trois algorithmes couramment utilisés : Lanczos, Bicubic et Bilinear.

Les différences principales entre les trois algorithmes résident dans la zone d'échantillonnage et la méthode de calcul des poids. Nous avons établi une comparaison des scénarios d'application pour référence :

Le ratio d'aspect de l'image originale est déterminé par les paramètres de prise de vue. La modification manuelle d'une dimension puis l'ajustement de l'autre étirent forcément les pixels, ce qui provoque une déformation des objets dans le cadre, par exemple des visages élargis et des bâtiments inclinés.

Les outils de traitement d'image courants verrouillent le ratio d'aspect par défaut : après saisie de la largeur, la hauteur est calculée automatiquement selon le ratio original, et la saisie de la hauteur calcule automatiquement la largeur. Cela évite la déformation du cadre et garantit le ratio original du contenu de l'image.

Les écrans Apple Retina et la plupart des écrans HD Android utilisent un rendu de pixel 2x, où 1 pixel logique correspond à 2×2 pixels physiques. Sortir une image à la taille logique entraîne un flou sur les écrans HD.

Pour calculer la taille de sortie 2x, il suffit de multiplier par 2 la taille logique requise spécifiée dans la conception. Par exemple, si la conception web requiert une taille d'affichage de 300 pixels logiques en largeur, la largeur de l'image de sortie doit être de 600 pixels pour répondre aux exigences d'affichage des écrans Retina.