chokaizomae

超解像の前に

1. “超解像”の前に 2017年1月27日(金) “よや” yoya@awm.jp
2. 超解像とは？ •  いわゆる解像度を上げる処理の事 © h5p://sega.wikia.com/wiki/Opa-Opa © http://dic.nicovideo.jp/a/ファンタジーゾーン
3. リサンプル処理 •  画像の拡大とは、ドットの細分化 – “大きくするのは小さくする事”
4. 暗黙の前提 •  元々、高画質な画像があって、縮小リサイズ されたものを元に戻すという暗黙の前提 いわゆる逆問題 (しかも情報が減ってる)
5. 超解像は主に２つ •  複数画像から生成 –  情報量を数でカバー –  サブピクセルでずらした画像を大量に用意 　 →　次ページで説明 •  単体画像から生成 –  情報不足のまま何かを仮定して補完 •  ニアレストネイバー、バイリニア等々 　　　　　〜 今日はここまで 〜 •  エッジ抽出 •  機械学習系 　　　　〜 この辺りは次回 〜 ？
6. 複数画像から生成 •  サブピクセルでずらして沢山写真をとる – 連写する、複数レンズで同時に撮る等
7. (参考)複数レンズのカメラ •  L16 © h5p://gigazine.net/news/20151008-16-lens-camera/
8. 一枚の画像から高解像 •  情報量が減っているので原理的に元に戻せ ない •  足りない分、何かしらの仮定を以って補う
9. 画像拡大のドット処理 •  概念的にはこれ – キリの悪い場所をどうするかがキモになる
10. リサイズのドット処理 •  リサイズ後のピクセル座標で for ループ – 各々に対応するリサイズ前のドットを探す。 – キリの悪い場所の処理(補間メソッド)が色々ある
11. Nearest Neighbor •  元々ジャギーな画像だと決めつける – 色をそのままで、ドットを広げる •  混ぜない！ $ convert in.png –filter point –resize 800%x800% out.png
12. Nearest Neighbor •  隣のピクセルをそのまま 　コピーして隙間を埋める •  とにかく処理が軽い！ h5p://www.imagemagick.org/Usage/filter/#box
13. Nearest Neighbor のドット処理 •  混ぜない！ •  プログラム的には座標を四捨五入するだけ
14. Bi-Linear •  ジャギーを増やしたくない $ convert in.png –filter triangle –resize 800%x800% out.png
15. Bi-Linear •  さらに拡大。徐々に変化する様が見える
16. Bi-Linear •  線形補完 – ジャギーは増えないけど 　折り目のところが不自然 h5p://www.imagemagick.org/Usage/filter/#box
17. Bi-Linear のドット処理 •  単純に混ぜる – 距離の割合だと計算重たいので、x、y の割合
18. Bi-Cubic •  隣の隣まで見て、もっと滑らかに補完する © h5ps://en.wikipedia.org/wiki/Bilinear_interpolaXon
19. Cubic family の計算式 •  B(blur) ,C(cardinal) で色んなフィルタを作れる © ImageMagick-6 magick/resize.c
20. Cubic family の生成 •  B(blur) を上げすぎるとボヤける •  C(cardinal) でリンギングがかかる
21. Cubic BC のバランスをとる •  (B,C)=(1/3,1/3) が 　良さそう → Mitchell フィルタ © h5p://www.imagemagick.org/Usage/filter/#mitchell
22. Mitchell-Netravali •  ImageMagick の拡大のデフォルト $ convert in.png –filter mitchell –resize 800%x800% out.png
23. 少し蛇足 (縮小について) •  みんな大好き Lanczos フィルタ – 縮小はこれを使えば大体OK
24. Lanczos •  ImageMagick の縮小のデフォルト – （見ての通り、拡大は微妙) $ convert in.png –filter lanczos –resize 800%x800% out.png
25. Lanczos の縮小がなぜ良いか？ •  Lanczos •  Sinc 関数を元にしてる •  それの 　コンパクトサポートが Lanczos © h5ps://en.wikipedia.org/wiki/Sinc_funcXon Sinc Lanczos
26. Sinc 関数って？ •  詳しくは Wikipedia で •  フーリエ変換すると矩形波になる – つまり、周波数フィルタになる > LPF •  エイリアシングとおさらば この円が増える ヤツね
27. コンパクトサポートって？ •  Sinc 関数は無限の範囲で波打つ – 計算量が辛い。理屈では無限 •  一定範囲の外を０に抑える ↑これがコンパクトサポート Sinc Lanczos sin(x)/x sinc(x)/sinc(x/a)
28. Lanczos2,3,4 •  2,3,4 に区間に抑えたのが Lanczos Lobe:2 Lobe:3 Lobe:4 Sinc Lanczos
29. まとめ •  これらのフィルタを使い分けると良いかも？ – リアルタイム表示 (もしくはドット絵の場合も) •  Nearest Neighbor ← 処理が超軽い – 拡大は •  Mitchell フィルタ – 縮小は •  Lanczos フィルタ
30. 次回予告 •  超解像 – 単純な補間フィルタ (今回説明したこと) – 勾配から輪郭抽出 (いまどきの超解像) – 機械学習系 (先端的な？)