Redimensionar imagens para web e e-mail são talvez as formas mais comuns de compartilhar fotos digitais. Particularmente para apresentação web, conseguir reter nitidez livre de artefatos em imagem reduzida é crítico — mas pode ser problemático. Diferente do aumento de foto onde bordas serrilhadas são problema, a redução resulta no artefato de aliasing oposto: moiré. A prevalência de moiré depende largamente do tipo de interpolador usado, embora algumas imagens sejam muito mais suscetíveis que outras. Este tutorial compara diferentes abordagens de redimensionamento para web e e-mail, e faz recomendações baseadas nos resultados.
Moiré (pronuncia-se "mora-ê") é outro tipo de artefato de aliasing, mas pode ocorrer ao reduzir uma imagem. Aparece em imagens com texturas finas próximas ao limite de resolução. Essas texturas ultrapassam a resolução quando reduzidas, então a imagem pode apenas registrá-las seletivamente em padrão repetitivo:
Note como esse padrão não tem significado físico na foto porque essas linhas não correlacionam com a direção das telhas do telhado. Imagens com padrões geométricos finos estão no maior risco; incluem telhas de telhado, tijolos e marcenaria distantes, cercas de arame, e outros.
Além de artefatos de moiré, uma imagem redimensionada pode também ficar significativamente menos nítida. Algoritmos de interpolação que preservam a melhor nitidez são mais suscetíveis a moiré, enquanto os que evitam moiré tipicamente produzem resultado mais suave. Infelizmente, isso é uma troca inevitável no redimensionamento.
Uma das melhores formas de combater isso é aplicar uma máscara de foco subsequente após redimensionar — mesmo se a original já tinha sido aguçada.
Como exemplo: quando uma imagem é reduzida a 50% do tamanho original, é impossível mostrar detalhe que antes tinha resolução de apenas um pixel. Se qualquer detalhe é mostrado, não é real e deve ser artefato do interpolador.
Usando esse conceito, um teste foi desenhado para avaliar tanto a resolução máxima quanto o grau de moiré que cada interpolador produz ao reduzir. Amplifica esses artefatos para cenário típico: redimensionar imagem de câmera digital para resolução web/e-mail gerenciável de 25% do tamanho original.
A imagem de teste (abaixo) foi desenhada para que a resolução de listras aumente progressivamente a partir do centro. Quando a imagem é reduzida, todas as listras além de certa distância do centro não devem mais ser resolvíveis. Interpoladores que mostram detalhe até o limite teórico (caixa vermelha tracejada abaixo) preservam máximo detalhe, enquanto os que mostram detalhe fora desse limite adicionam padrões que não estão lá (moiré).
| 1. Vizinho Mais Próximo |
| 2. Bilinear |
| 3. Bicúbico ** |
| 4. Sinc |
| 5. Lanczos |
| 6. Bicúbico, pré-desfoque 1px |
| 7. #6 c/ nitidez |
| 8. Genuine Fractals |
*Imagem de teste acima modificada para visualização; imagem real é 800×800 pixels e listras estendem à resolução máxima nesse tamanho.
**Bicúbico é da configuração padrão no Adobe Photoshop CS & CS2
Gráfico de teste concebido em artigo da BBC e implementado primeiro em www.worldserver.com/turk/opensource/; todos diagramas e código personalizado realizados em Matlab.
Algoritmos sinc e lanczos produzem os melhores resultados; conseguem resolver detalhe até o máximo teórico (caixa vermelha), mantendo menos artefatos fora dela. Bicúbico do Photoshop fica em segundo, com moiré visível bem fora da caixa. Note também como bicúbico não mostra tanto detalhe e contraste logo dentro da caixa. 6 e 7 são variantes do bicúbico, discutidas abaixo. Genuine Fractals 4.0 incluído para comparação, embora vá mal em redução (não seu uso pretendido). Isso destaca divisão chave: alguns algoritmos são muito melhores em aumentar que diminuir tamanho, e vice-versa.
Nota Técnica: algoritmos de interpolação variam dependendo do software, mesmo se o algoritmo tem o mesmo nome. Interpolação sinc, por exemplo, tem variações que consideram 256-1024+ pixels adjacentes conhecidos. Isso pode ou não ser explicitamente declarado no software. Além disso, software pode variar em quanto peso dão a pixels próximos vs. distantes nos cálculos, o que frequentemente ocorre com "bicúbico".
Uma abordagem que pode melhorar resultados em imagens problemáticas é aplicar leve desfoque na imagem antes de reduzi-la. Isso permite eliminar detalhes menores que o que você sabe ser impossível capturar em resolução menor. Se não tem problema com moiré, não há necessidade de pré-desfoque.
Como a imagem acima foi reduzida a 1/4 do tamanho original, padrões repetitivos menores que 4 pixels não podem ser resolvidos. Raio de até 2 pixels (diâmetro total 4) poderia ter sido usado no #6, porém 1 pixel foi suficiente para virtualmente eliminar artefatos fora da caixa. Pré-desfoque excessivo pode levar a suavização na imagem final.
A imagem do Photoshop pré-desfocada (#6) elimina a maior parte do moiré (encontrado no #3), porém nitidez adicional (realizada no #7) é necessária para recuperar nitidez para detalhe logo dentro da caixa vermelha. Após pré-desfoque e nitidez, bicúbico do Photoshop performa próximo aos mais sofisticados sinc e lanczos.
Versões CS (8.0) e superiores do Adobe Photoshop têm três opções para interpolação bicúbica: bicúbico mais suave, bicúbico (padrão intermediário), e bicúbico mais nítido. Todas fornecem resultados similares ao #3 na comparação, mas com graus variados de nitidez. Portanto, se sua imagem tem moiré, a configuração mais nítida amplificará e a mais suave reduzirá (relativo ao padrão).
Muitos recomendam usar variação mais suave para ampliar e mais nítida para reduzir. Funciona bem, mas minha preferência é usar bicúbico padrão para redução — deixando maior flexibilidade para aguçar depois conforme a imagem requer. Muitos acham a nitidez embutida na variação mais nítida um pouco forte e grosseira para a maioria das imagens, mas é questão de preferência.
Toda essa análise visa explicar o que acontece quando as coisas dão errado. Se redimensionamento é livre de artefatos, pode não precisar mudar nada; fluxos fotográficos já são complicados o suficiente. Muitas fotos não têm detalhe suscetível a moiré — independentemente da interpolação. Por outro lado, quando as coisas dão errado, isso ajuda a explicar por que — e que ações tomar para corrigir.
A solução ideal é usar algoritmo sinc ou lanczos para evitar artefatos de moiré na imagem reduzida, seguida de máscara de foco com raio muito pequeno (0.2-0.3) para corrigir qualquer suavização induzida por interpolação. Por outro lado, algoritmo sinc não é amplamente suportado e software que o usa costuma ser menos amigável.
Abordagem alternativa: usar bicúbico, pré-desfoque imagens problemáticas e depois aguçar após redução. Isso prepara a imagem para o interpolador de forma que minimize artefatos de aliasing. A principal desvantagem é que o raio de desfoque necessário depende de quanto você deseja reduzir — portanto deve usar essa técnica caso a caso.
Finalmente, você pode garantir que não induz antialiasing em gráficos computacionais se usar algoritmo de vizinho mais próximo. Apenas tenha cautela especial quando a imagem contém texturas finas, pois este algoritmo é o mais propenso a artefatos de moiré.
Para leitura adicional, visite:
Interpolação de Imagem Digital, Parte 1
Tecnologia Eletrônica © [www.351231.com]
