Est-ce que la réduction progressive de la qualité nuira progressivement

Dans Photoshop, y aura-t-il une différence de qualité lorsqu'un raster est réduit à 75% une fois au lieu d'être réduit à 50% deux fois ? Dans les deux cas, la taille finale sera la même: 25% de l'original.

La raison pour laquelle je demande, c'est parce que parfois je veux réduire une image dont je sais qu'elle a déjà été réduite. Je déteste avoir à CTRL + Z (annuler) une centaine de fois à l'état où l'image était dans sa taille d'origine. Si la qualité finale n'est pas affectée, je préfère simplement redimensionner l'image immédiatement.

C'est un wiki communautaire, vous pouvez donc réparer ce terrible, terrible post.

Grrr, pas de LaTeX. :) Je suppose que je vais devoir faire de mon mieux.

Définition:

Nous avons une image (PNG ou autre format sans perte *) nommée A de taille A _x par A _y . Notre objectif est de le faire évoluer de p = 50% .

Image ( "tableau") B sera une version "directement mis à l' échelle" de A . Il aura B _s = 1 nombre d'étapes.

A = B _{B s} = B ₁

Image ( « tableau ») C sera un « progressivement mise à l' échelle » version A . Il aura C _s = 2 nombre d'étapes.

A ≅ C _{C s} = C ₂

Les trucs amusants:

A = B ₁ = B ₀ × p

C ₁ = C ₀ × p ^{1 ÷ C _s}

A ≅ C ₂ = C ₁ × p ^{1 ÷ C _s}

Voyez-vous ces pouvoirs fractionnaires? Ils dégraderont théoriquement la qualité des images raster (les rasters à l'intérieur des vecteurs dépendent de l'implémentation). Combien? Nous allons le découvrir ensuite ...

Les bonnes choses:

C _e = 0 si p ^{1 ÷ C _s} ∈ ℤ

C _e = C _s si p ^{1 ÷ C _s} ∉ ℤ

Où e représente l'erreur maximale (pire scénario), en raison d'erreurs d'arrondi entières.

Maintenant, tout dépend de l'algorithme de réduction d'échelle (Super Sampling, Bicubic, échantillonnage Lanczos, Nearest Neighbour, etc.).

Si nous utilisons le plus proche voisin (le pire algorithme pour quoi que ce soit de toute qualité), la "véritable erreur maximale" ( C _t ) sera égale à C _e . Si nous utilisons l'un des autres algorithmes, cela se complique, mais ce ne sera pas aussi mauvais. (Si vous voulez une explication technique sur la raison pour laquelle ce ne sera pas aussi mauvais que le plus proche voisin, je ne peux pas vous en donner une parce que c'est juste une supposition. REMARQUE: Hé les mathématiciens! Corrigez ça!)

Aime ton prochain:

Faisons un "tableau" d'images D avec D _x = 100 , D _y = 100 et D _s = 10 . p est toujours le même: p = 50% .

Algorithme du plus proche voisin (définition terrible, je sais):

N (I, p) = mergeXYDuplicates (floorAllImageXYs (I _{x, y} × p), I) , où seuls les _{x, y} eux-mêmes sont multipliés; pas leurs valeurs de couleur (RVB)! Je sais que vous ne pouvez pas vraiment faire cela en mathématiques, et c'est exactement pourquoi je ne suis pas LE MATHÉMATICIEN LÉGENDAIRE de la prophétie.

( mergeXYDuplicates () ne conserve que les "éléments" x, y les plus bas / les plus à gauche dans l'image I d'origine pour tous les doublons qu'il trouve et supprime le reste.)

Prenons un pixel aléatoire: D _{0 39,23} . Appliquer ensuite D _{n + 1} = N (D _n , p ^{1 ÷ D _s} ) = N (D _n , ~ 93,3%) encore et encore.

c _{n + 1} = étage (c _n × ~ 93,3%)

c ₁ = étage ((39,23) × ~ 93,3%) = étage ((36.3,21.4)) = (36,21)

c ₂ = étage ((36,21) × ~ 93,3%) = (33,19)

c ₃ = (30,17)

c ₄ = (27,15)

c ₅ = (25,13)

c ₆ = (23,12)

c ₇ = (21,11)

c ₈ = (19,10)

c ₉ = (17,9)

c ₁₀ = (15,8)

Si nous ne réduisions une seule fois une échelle, nous aurions:

b ₁ = étage ((39,23) × 50%) = étage ((19,5,11,5)) = (19,11)

Comparons b et c :

b ₁ = (19,11)

c ₁₀ = (15,8)

C'est une erreur de (4,3) pixels! Essayons cela avec les pixels de fin (99,99) et prenons en compte la taille réelle de l'erreur. Je ne ferai plus tout le calcul ici, mais je vais vous dire que cela devient (46,46) , une erreur de (3,3) par rapport à ce qu'elle devrait être, (49,49) .

Combinons ces résultats avec l'original: la "vraie erreur" est (1,0) . Imaginez que cela se produise avec chaque pixel ... cela pourrait faire une différence. Hmm ... Eh bien, il y a probablement un meilleur exemple. :)

Conclusion:

Si votre image est à l'origine de grande taille, cela n'aura pas vraiment d'importance, à moins que vous ne réduisiez plusieurs échelles (voir "Exemple réel" ci-dessous).

Il s'aggrave d'un maximum d'un pixel par pas incrémentiel (vers le bas) dans le voisin le plus proche. Si vous effectuez dix réductions d'échelle, votre image sera légèrement dégradée en qualité.

Exemple du monde réel:

(Cliquez sur les vignettes pour une vue agrandie.)

Réduit de 1% de manière incrémentielle à l'aide du super échantillonnage:

Comme vous pouvez le voir, le Super Sampling le "brouille" s'il est appliqué plusieurs fois. C'est "bon" si vous effectuez une réduction d'échelle. C'est mauvais si vous le faites progressivement.

* Selon l'éditeur et le format, cela pourrait potentiellement faire une différence, donc je reste simple et je l'appelle sans perte.

JoJo pose des questions sur la qualité. La plupart des réponses concernent la précision des pixels , ce qui n'est pas pertinent pour un designer, ou même un photographe.

La qualité est une mesure de la façon dont le résultat final est convaincant et agréable , et non pas sa «précision». À titre d'exemple, le clonage ou le remplissage conscient du contenu remplacent les parties indésirables d'une image par des pixels plausibles : ils ont l'air correct, mais ils ne peuvent certainement pas être considérés comme exacts.

Dans Photoshop, la principale différence pratique entre la réduction progressive de la taille et la réduction d'un seul coup est qu'elle prend beaucoup plus de temps. Si vous facturez à l'heure, allez certainement 1% à la fois. Sinon, réduisez la taille d'un coup. Faites d'abord de l'image un objet intelligent, au cas où vous voudriez faire une version plus grande plus tard.

Quel que soit l'algorithme que vous utilisez (et le commentaire de Dawson sur ces algorithmes est mort - ils sont incroyables), la réduction de taille jette les pixels. L'algorithme soustrait les pixels et modifie les autres en devinant comment les faire bien paraître. Un bon algorithme fait de bonnes suppositions; cela vous donne un résultat qui semble convaincant, mais ce n'est pas précis dans un sens. Honnêtement, précis - autre que la couleur! - n'est pas ce que vous recherchez, sauf si vous êtes un scientifique, auquel cas vous ne seriez probablement pas en train de réduire vos effectifs en premier lieu.

Une image qui a été réduite à l'aide de l'algorithme bicubique habituel bénéficie souvent d'un peu de netteté, mais si vous créez des jpeg pour le Web, la netteté augmentera la taille du fichier.

Une bonne qualité de conception est la qualité dont vous avez besoin pour votre produit final. Tout ce qui va au-delà ajoute du temps, mais pas de la valeur, à votre travail.

[Edit: Puisqu'il a été question d'agrandissement dans la reprise de cette question par koiyu. J'ai ajouté quelques commentaires à ce sujet.]

Il y a une idée qui tourne autour du fait que si vous montez une image à petits pas, par opposition à un saut géant unique, vous obtenez un résultat légèrement meilleur ("un peu moins mauvais" serait plus précis). Scott Kelby a fait la promotion de l'idée il y a quelques années, et c'était peut-être vrai à partir de PS 7. Je n'ai rien vu qui m'a convaincu que c'est vrai aujourd'hui. Cela ne s'est pas avéré dans mes propres tests, autour de PS CS2 et 3, mais il faut dire que je n'ai pas perdu beaucoup de temps avec eux.

Je n'ai pas passé de temps à effectuer des tests approfondis car la légère différence entre "qualité d'image dégradée" et "qualité d'image légèrement moins dégradée" n'a aucune valeur pratique: ni utilisable. Dans mon propre travail, ma règle simple est: «Ne bougez pas». Pour des raisons pratiques dans le travail de conception, une image qui est un peu trop basse résolution pour un usage particulier semble toujours mieux utilisée telle quelle que cette même image "sur-dimensionnée" à la résolution "correcte" par n'importe quel processus que j'ai se rencontrent, y compris les variations fractales et bicubiques.

Généralement, plusieurs échelons réduiront la qualité sur une seule échelle à la taille finale, mais souvent la différence sera minime. En particulier, la mise à l'échelle plus petite par des rapports exacts, comme votre exemple de (2: 1, 2: 1) par rapport à (4: 1), aura une très faible dégradation par rapport à la mise à l'échelle unique. Il est préférable, bien sûr, de faire toutes les modifications dans la résolution la plus élevée, puis de redimensionner une seule fois à la fin. Lorsque la mise à l'échelle exacte n'est pas initialement connue, on peut effectuer une série de mises à l'échelle de test pour trouver la bonne taille, puis noter la taille, jeter l'image de test et effectuer une mise à l'échelle unique à cette taille à partir de l'original.

Cette question est IMPRESSIONNANTE! ... Je pense que nous devenons tous trop techniques.

Image 100 x 100 pixels = 10000 pixels au total

La mise à l'échelle d'une image réduit les pixels. La mise à l'échelle les ajoute. Dans les deux cas, le logiciel prend une "supposition éclairée" quant à la modification du fichier.

Une seule réduction: 90 x 90 (1900 pixels supprimés des informations du fichier d'origine)

Réduction en 2 étapes: 95 x 95 (975 px supprimés), 90 x 90 (encore 925). Le détail à attraper ici est celui du total de 1900px supprimé - 975 d'entre eux ne faisaient pas partie des informations d'origine .

L'image originale est toujours la meilleure. Moins de «générations» équivaut toujours à une meilleure qualité (la plus proche de la qualité d'origine).

PREUVE (et une réponse au commentaire de @ mutoo)

C'est simple ... c'est un algorithme ... ce n'est pas un ensemble d'yeux humains. Il y a 3 couleurs ici. 100% noir, 50% noir et blanc (image en niveaux de gris). Peu importe comment je le redimensionne - menu de taille d'image, outil de transformation, RVB, CMJN, 100 x 100 pixels, 10 x 10 pouces, les résultats sont les mêmes:

Le long du bord noir / gris, vous trouvez 80% de noir (une couleur qui n'existe pas). Le long du bord blanc / gris, vous trouvez 7% de noir (n'existe pas). [pas une invitation à l'argument anti-alias ici]

Comme nous le savons tous (être humain, et tous), une réduction ou un agrandissement parfait produirait une boîte rayée noir / gris / blanc. Et j'ai toujours trouvé qu'une seule itération (vers le haut ou vers le bas) créait une meilleure réplique que plusieurs.

Très probablement oui, mais dans la plupart des cas, vous ne pourrez même pas remarquer la différence.

Edit: je vois que les gens n'aiment pas ma réponse :). Peut-être parce que c'est simple. À mon humble avis, cela ne le rend pas moins vrai. Eh bien… prouve-moi le contraire :).

Edit 2: Je voulais garder ma réponse brève mais… :)

Q: Dans Photoshop, y aura-t-il une différence de qualité lorsqu'un raster est réduit à 75% une fois au lieu d'être réduit à 50% deux fois? Dans les deux cas, la taille finale sera la même: 25% de l'original.

UNE:

1. "Très probablement oui" - jetez un œil au post de muntoo. Il dit que chaque étape d'interpolation introduit des erreurs mineures. Ce sont des erreurs d'arrondi ou de représentation et elles peuvent contribuer à la dégradation de la qualité. Conclusion simple: plus d'étapes, plus de dégradation possible. Ainsi, l'image "très probablement" perdra de sa qualité à chaque étape de mise à l'échelle. Plus d'étapes - plus de dégradation possible de la qualité. Ainsi, l'image "très probablement" sera plus dégradée si elle est redimensionnée deux fois plutôt qu'une seule. La perte de qualité n'est pas certaine - prenez une image en couleur unie par exemple, mais à quelle fréquence un concepteur mettra-t-il à l'échelle des images similaires?

2. "mais dans la plupart des cas, vous ne pourrez même pas remarquer la différence" - encore une fois - le post de muntoo. Quelle est la taille des erreurs potentielles? Dans ses exemples, les images sont mises à l'échelle non pas en 2 mais en 75 étapes et les changements de qualité sont notables mais pas dramatiques. En 75 étapes! Que se passe-t-il lorsque l'image est mise à l'échelle à 25% dans Ps CS4 (bicubique, l'échantillon de muntoo, mis à l'échelle en une et deux étapes en conséquence)?

Quelqu'un peut-il voir la différence? Mais la différence est là:

#: gm compare -metric mse one-step.png two-step.png Image Difference (MeanSquaredError):
           Normalized    Absolute
          ============  ==========
     Red: 0.0000033905        0.0
   Green: 0.0000033467        0.0
    Blue: 0.0000033888        0.0
   Total: 0.0000033754        0.0

Et peut être vu s'il est correctement marqué (gm compare -highlight-color purple -file diff.png one-step.png two-step.png):

1 et 2 fait ma réponse, que j'espérais garder brève, car d'autres étaient assez élaborées;).

C'est ça! :) Jugez-en vous-même.