REDIMENSIONNEMENT D'IMAGE POUR LE WEB ET LE COURRIEL

Le redimensionnement des images pour le Web et les e-mails est peut-être le moyen le plus courant de partager des photos numériques. En particulier pour la présentation Web, il est essentiel de pouvoir conserver une netteté sans artefact dans une image réduite, mais cela peut s'avérer problématique. Contrairement à l'agrandissement photo où les bords dentelés sont un problème, la réduction de la taille entraîne l'artefact de crénelage opposé :le moiré. La prévalence du moiré dépend largement du type d'interpolateur utilisé, bien que certaines images soient beaucoup plus sensibles que d'autres. Ce didacticiel compare différentes approches de redimensionnement d'une image pour le Web et les e-mails, et formule des recommandations en fonction de leurs résultats.

CONTEXTE :ARTEFACTS MOIRES

Le moiré (prononcé "more-ay") est un autre type d'artefact de crénelage, mais peut à la place se produire lors de la réduction de la taille d'une image. Cela apparaît dans les images avec des textures fines qui sont proches de la limite de résolution. Ces textures dépassent la résolution lorsqu'elles sont réduites, de sorte que l'image ne peut les enregistrer que de manière sélective dans un motif répétitif :

Image originale→ Image réduite à 50 % Image réduite affichée à 200 %

Notez que ce motif n'a aucune signification physique dans l'image car ces lignes ne correspondent pas à la direction des bardeaux de toit. Les images avec des motifs géométriques fins sont les plus à risque; il s'agit notamment de tuiles, de briques et de boiseries distantes, de clôtures en treillis métallique, etc.

ADOUCISSEMENT INDUITE PAR REDIMENSIONNEMENT

En plus des artefacts de moiré, une image redimensionnée peut également devenir nettement moins nette. Les algorithmes d'interpolation qui préservent la meilleure netteté sont plus sensibles au moiré, tandis que ceux qui évitent le moiré produisent généralement un résultat plus doux. C'est malheureusement un compromis inévitable dans le redimensionnement.

Image originale réduite
90 %

→ Image redimensionnée plus douce

L'un des meilleurs moyens de lutter contre cela consiste à appliquer un masque flou de suivi après le redimensionnement d'une image, même si l'original a déjà été accentué. Déplacez votre souris sur l'image ci-dessus pour voir comment cela peut retrouver la netteté perdue.

PERFORMANCES D'INTERPOLATION COMPARÉES

Par exemple :lorsqu'une image est réduite à 50 % de sa taille d'origine, il est impossible de montrer des détails qui n'avaient auparavant qu'une résolution d'un seul pixel. Si un détail est affiché, ce n'est pas réel et doit être un artefact de l'interpolateur.

Image originale réduite
50 %

→ Moyennes d'image en gris

À l'aide de ce concept, un test a été conçu pour évaluer à la fois la résolution maximale et le degré ou le moiré que chaque interpolateur produit lors de la réduction des effectifs. Il amplifie ces artefacts pour un scénario typique :redimensionner une image d'appareil photo numérique à une résolution Web et e-mail plus gérable de 25 % de sa taille d'origine.

L'image de test (ci-dessous) a été conçue de sorte que la résolution des rayures augmente progressivement à partir du centre de l'image. Lorsque l'image est réduite, toutes les bandes au-delà d'une certaine distance du centre ne devraient plus pouvoir être résolues. Les interpolateurs qui affichent des détails jusqu'au bord de cette limite de résolution (boîte rouge en pointillés illustrée ci-dessous) conservent un maximum de détails, tandis que les interpolateurs qui affichent des détails en dehors de cette limite ajoutent à l'image des motifs qui ne sont pas réellement là (moiré).

1. Voisin le plus proche

2. Bilinéaire

3. Bicubique **

4. Sinc

5. Lanczos

6. Bicubique, pré-flou 1px

7. #6 avec netteté

8. Fractales authentiques

Afficher la boîte rouge ? OUI NON Image d'essai*

* L'image de test ci-dessus a été modifiée pour l'affichage ;
l'image réelle est de 800 x 800 pixels et les bandes s'étendent jusqu'à la résolution maximale à cette taille.
**Bicubique provient du paramètre par défaut utilisé dans Adobe Photoshop CS et CS2
/>Tableau de test conçu dans un article de la BBC et mis en œuvre pour la première fois sur www.worldserver.com/turk/opensource/ ;
tous les diagrammes et le code personnalisé ci-dessus ont été réalisés dans Matlab pour l'utilisation ci-dessus.

Les algorithmes sinc et lanczos produisent les meilleurs résultats; ils sont capables de résoudre les détails jusqu'au maximum théorique (boîte rouge), tout en conservant le moins d'artefacts au-delà. Photoshop bicubic arrive en deuxième position, car il a des motifs de moiré visibles bien en dehors de la boîte. De plus, notez que bicubique ne montre pas non plus autant de détails et de contraste juste à l'intérieur de la boîte rouge. 6 et 7 sont des variantes de la réduction de taille bicubique et sont discutées ci-dessous. Genuine Fractals 4.0 a été inclus à titre de comparaison, bien qu'il réussisse mal à réduire les effectifs (pas son utilisation prévue). Cela met en évidence un fossé clé :certains algorithmes d'interpolation sont bien meilleurs pour augmenter que pour diminuer la taille de l'image, et vice versa .

Note technique :les algorithmes d'interpolation varient selon le logiciel utilisé, même si l'algorithme porte le même nom. L'interpolation sinc, par exemple, a des variations qui prennent en compte entre 256 et 1024+ pixels connus adjacents. Cela peut ou non être explicitement indiqué dans le logiciel. De plus, les logiciels peuvent également varier dans la pondération qu'ils accordent aux pixels proches et éloignés dans leurs calculs, ce qui est souvent le cas avec "bicubique".

PRÉ-FLOU POUR MINIMISER LES ARTEFACTS MOIRÉS

Une approche qui peut améliorer les résultats dans les images problématiques consiste à appliquer un peu de flou à l'image * avant * de la réduire. Cela vous permet d'éliminer tout détail plus petit que ce que vous savez qu'il est impossible de capturer à une résolution inférieure. Si vous n'avez pas de problème avec les artefacts moirés, il n'est pas nécessaire de pré-flou.

Étant donné que l'image ci-dessus a été réduite à 1/4 de sa taille d'origine, tout motif répétitif inférieur à 4 pixels ne peut pas être résolu. Un rayon aussi élevé que 2 pixels (pour un diamètre total de 4 pixels) aurait pu être utilisé dans #6, mais 1 pixel est tout ce qui était nécessaire pour éliminer virtuellement les artefacts à l'extérieur de la boîte. Un pré-flou trop élevé peut entraîner un adoucissement de l'image finale.

L'image photoshop pré-floue ci-dessus (#6) élimine la majeure partie du moiré (trouvé en #3), mais une netteté supplémentaire (effectuée en #7) est nécessaire pour retrouver la netteté des détails juste à l'intérieur de la boîte rouge. Après le pré-flou et la netteté, photoshop bicubic fonctionne de manière proche des algorithmes sinc et lanczos plus sophistiqués.

PHOTOSHOP BICUBIC SHARPER vs. BICUBIC SMOOTHER

Les versions CS (8.0) et supérieures d'Adobe Photoshop ont en fait trois options pour l'interpolation bicubique :bicubique plus lisse, bicubique (par défaut intermédiaire) et bicubique plus nette. Toutes les variations fournissent des résultats similaires à #3 dans la comparaison d'interpolation, mais avec des degrés de netteté variables. Par conséquent, si votre image est moirée, le réglage le plus net l'amplifiera et le réglage le plus lisse le réduira (par rapport à la valeur par défaut).

Image originale réduite
75 %

→

Afficher le type bicubique :
Plus lisse	Plus net

Beaucoup recommandent d'utiliser la variation la plus douce pour l'augmentation des effectifs et la variation la plus nette pour la réduction des effectifs. Cela fonctionne bien, mais ma préférence est d'utiliser le bicubique standard pour la réduction des effectifs - laissant une plus grande flexibilité pour affiner ensuite selon les besoins de l'image. Beaucoup trouvent que la netteté intégrée dans la variation la plus nette est un peu trop forte et grossière pour la plupart des images, mais c'est simplement une question de préférence.

RECOMMANDATIONS

Toute cette analyse vise à expliquer ce qui se passe lorsque les choses tournent mal . Si le redimensionnement est sans artefact, vous n'aurez peut-être pas besoin de changer quoi que ce soit; les flux de travail photographiques peuvent devenir suffisamment compliqués tels quels. De nombreuses photos ne contiennent pas de détails susceptibles d'être moirés, quelle que soit l'interpolation. D'un autre côté, quand les choses font se tromper, cela peut aider à expliquer pourquoi - et quelles mesures vous pouvez prendre pour y remédier.

La solution idéale consiste à utiliser un algorithme sinc ou lanczos pour éviter les artefacts de moiré dans l'image réduite, puis à effectuer un suivi avec un masque flou de très petit rayon (0,2-0,3) pour corriger tout adoucissement induit par l'interpolation. D'autre part, l'algorithme sinc n'est pas largement pris en charge et les logiciels qui l'utilisent ne sont souvent pas aussi conviviaux.

Une approche alternative consisterait à utiliser des images bicubiques problématiques avant le flou, puis à les rendre plus nettes après la réduction . Cela prépare l'image pour l'interpolateur d'une manière qui minimise les artefacts de crénelage. Le principal inconvénient de cette approche est que le rayon de flou requis dépend de combien vous souhaitez réduire la taille de votre image - vous devez donc utiliser cette technique au cas par cas.

Original Computer GraphicDownsized 50%

→ Zéro anticrénelage

Enfin, vous pouvez vous assurer de ne pas induire d'anti-aliasing en infographie si vous utilisez l'algorithme du plus proche voisin . Soyez particulièrement prudent lorsque l'image contient des textures fines, car cet algorithme est le plus sujet aux artefacts moirés.

Pour en savoir plus, veuillez consulter :
Interpolation d'images numériques, partie 1