Wird eine schrittweise Verkleinerung die Qualität beeinträchtigen?

Gibt es in Photoshop einen Qualitätsunterschied, wenn ein Raster einmal um 75% und nicht zweimal um 50% verkleinert wird ? In beiden Fällen ist die endgültige Größe gleich: 25% des Originals.

Der Grund, den ich frage, ist, dass ich manchmal ein Bild verkleinern möchte, von dem ich weiß, dass es zuvor verkleinert wurde. Ich hasse es, hundertmal STRG + Z (rückgängig machen) zu müssen, bis das Bild seine ursprüngliche Größe hat. Wenn die endgültige Qualität nicht beeinträchtigt wird, verkleinere ich das Bild lieber genau dort und dann.

Es ist ein Community-Wiki, also kannst du diesen schrecklichen, schrecklichen Beitrag reparieren.

Grrr, kein LaTeX. :) Ich denke, ich muss einfach mein Bestes geben.

Definition:

Wir haben ein Bild (PNG oder ein anderes verlustfreies * Format) mit dem Namen A der Größe A _x von A _y . Unser Ziel ist es, es um p = 50% zu skalieren .

Bild ( "array") B wird eine "direkt skalierten" Version seiner A . Es wird B _s = 1 Anzahl von Schritten haben.

A = B _{B s} = B ₁

Bild ( „array“) C wird eine „schrittweise skaliert“ Version seiner A . Es wird C _s = 2 Anzahl von Schritten haben.

A ≅ C _{C s} = C ₂

Das lustige Zeug:

A = B ₁ = B ₀ × p

C ₁ = C ₀ × p ^{1 ÷ C _s}

A ≤ C ₂ = C ₁ × p ^{1 ≤ C _s}

Sehen Sie diese gebrochenen Kräfte? Sie verschlechtern theoretisch die Qualität von Rasterbildern (Raster innerhalb von Vektoren hängen von der Implementierung ab). Wie viel? Wir werden das als nächstes herausfinden ...

Das gute Zeug:

C _e = 0, wenn p ^{1 ÷ C _s} ∈ ∈ ist

C _e = C _s, wenn p ^{1 ÷ C _s} ∉ ℤ

Wobei e den maximalen Fehler darstellt (Worst-Case-Szenario), aufgrund ganzzahliger Rundungsfehler.

Jetzt hängt alles vom Downscaling-Algorithmus ab (Super Sampling, Bicubic, Lanczos Sampling, Nearest Neighbor usw.).

Wenn wir Nearest Neighbor verwenden (der schlechteste Algorithmus für irgendetwas von irgendeiner Qualität), ist der "wahre maximale Fehler" ( C _t ) gleich C _e . Wenn wir einen der anderen Algorithmen verwenden, wird es kompliziert, aber es wird nicht so schlimm sein. (Wenn Sie eine technische Erklärung wünschen, warum es nicht so schlimm sein wird wie der nächste Nachbar, kann ich Ihnen keine einzige Ursache nennen, die nur eine Vermutung ist. HINWEIS: Hey Mathematiker! Korrigieren Sie das!)

Liebe deinen Nächsten:

Lassen Sie uns ein "Array" von Bildern D mit D _x = 100 , D _y = 100 und D _s = 10 erstellen . p ist immer noch dasselbe: p = 50% .

Algorithmus für den nächsten Nachbarn (schreckliche Definition, ich weiß):

N (I, p) = mergeXYDuplicates (floorAllImageXYs (I _{x, y} × p), I) , wobei nur die _{x, y} selbst multipliziert werden; nicht ihre Farbwerte (RGB)! Ich weiß, dass man das in Mathe nicht wirklich kann, und genau deshalb bin ich nicht DER LEGENDÄRE MATHEMATIKER der Prophezeiung.

( mergeXYDuplicates () behält nur die x, y "Elemente" ganz unten / ganz links im Originalbild I für alle gefundenen Duplikate bei und verwirft den Rest.)

Nehmen wir ein zufälliges Pixel: D _{0 39,23} . Wenden Sie dann immer wieder D _{n + 1} = N (D _n , p ^{1 ÷ D _s} ) = N (D _n , ~ 93,3%) an .

c _{n + 1} = Boden (c _n × ~ 93,3%)

c ₁ = Boden ((39,23) × ~ 93,3%) = Boden ((36,3,21,4)) = (36,21)

c ₂ = Boden ((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)

Wenn wir nur einmal eine einfache Verkleinerung vornehmen würden, hätten wir:

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

Vergleichen wir b und c :

b ₁ = (19,11)

c ₁₀ = (15,8)

Das ist ein Fehler von (4,3) Pixel! Versuchen wir dies mit den Endpixeln (99,99) und berücksichtigen die tatsächliche Größe des Fehlers. Ich werde hier nicht noch einmal rechnen , aber ich sage Ihnen, es wird (46,46) , ein Fehler von (3,3) von dem, was es sein sollte (49,49) .

Kombinieren wir diese Ergebnisse mit dem Original: Der "echte Fehler" ist (1,0) . Stellen Sie sich vor, wenn dies bei jedem Pixel passiert, kann dies einen Unterschied machen. Hmm ... Nun, es gibt wahrscheinlich ein besseres Beispiel. :) :)

Fazit:

Wenn Ihr Bild ursprünglich groß ist, spielt es keine Rolle, es sei denn, Sie führen mehrere Downscales durch (siehe "Beispiel aus der Praxis" weiter unten).

In Nearest Neighbor wird es um maximal ein Pixel pro inkrementellem Schritt (nach unten) schlechter. Wenn Sie zehn Downscales durchführen, wird die Qualität Ihres Bildes leicht beeinträchtigt.

Beispiel aus der Praxis:

(Klicken Sie auf die Miniaturansichten, um eine größere Ansicht zu erhalten.)

Mit Super Sampling schrittweise um 1% verkleinert:

Wie Sie sehen können, "verwischt" das Super Sampling es, wenn es mehrmals angewendet wird. Dies ist "gut", wenn Sie eine Verkleinerung durchführen. Dies ist schlecht, wenn Sie es schrittweise tun.

* Je nach Editor, und das Format, dies könnte möglicherweise einen Unterschied machen, so dass ich es einfach bin zu halten und es lossless aufrufen.

JoJo fragt nach Qualität. Bei den meisten Antworten geht es um die Pixelgenauigkeit , die für einen Designer oder sogar einen Fotografen so gut wie irrelevant ist.

Qualität ist ein Maß dafür, wie überzeugend und angenehm das Endergebnis ist, nicht wie "genau" es ist. Als gutes Beispiel: Klonen oder inhaltsbewusstes Füllen ersetzen unerwünschte Teile eines Bildes durch plausible Pixel: Sie sehen richtig aus, können aber sicherlich nicht als genau angesehen werden.

In Photoshop besteht der praktische Hauptunterschied zwischen dem schrittweisen Verkleinern und dem Verkleinern in einer Aufnahme darin, dass es viel länger dauert. Wenn Sie stundenweise aufladen, gehen Sie auf jeden Fall 1% auf einmal. Wenn nicht, verkleinern Sie auf einen Schlag. Machen Sie das Bild zuerst zu einem intelligenten Objekt, falls Sie später jemals eine größere Version erstellen möchten.

Unabhängig davon, welchen Algorithmus Sie verwenden (und Dawsons Kommentar zu diesen Algorithmen ist absolut zutreffend - sie sind erstaunlich), wirft das Verkleinern Pixel weg. Der Algorithmus subtrahiert Pixel und modifiziert andere, indem er errät, wie sie richtig aussehen. Ein guter Algorithmus macht gute Vermutungen; Sie erhalten ein überzeugendes Ergebnis, das jedoch in keinem sinnvollen Sinne korrekt ist . Ehrlich gesagt, genau - außer Farbe! - ist nicht das, wonach Sie suchen, es sei denn, Sie sind Wissenschaftler. In diesem Fall würden Sie wahrscheinlich gar nicht erst verkleinern.

Ein Bild, das mit dem üblichen bikubischen Algorithmus verkleinert wurde, profitiert häufig von ein wenig Schärfen. Wenn Sie jedoch JPEGs für das Web erstellen, erhöht das Schärfen die Dateigröße.

Richtige Designqualität ist die Qualität, die Sie für Ihr Endprodukt benötigen . Alles darüber hinaus erhöht die Zeit, aber nicht den Wert Ihrer Arbeit.

[Bearbeiten: Da in Koiyus Wiederbelebung dieser Frage eine Erweiterung erwähnt wurde. Ich habe einige Kommentare zu diesem Thema hinzugefügt.]

Es gibt eine Idee, die besagt, dass Sie ein etwas besseres Ergebnis erzielen ("etwas weniger schlecht" wäre genauer), wenn Sie ein Bild in kleinen Schritten nach oben verschieben, im Gegensatz zu einem einzelnen großen Sprung. Scott Kelby hat die Idee vor einigen Jahren beworben, und ab PS 7 war sie möglicherweise wahr. Ich habe nichts gesehen, was mich davon überzeugt hätte, dass sie heute richtig ist. Es hat sich in meinen eigenen Tests um PS CS2 und 3 nicht bewährt, aber es muss gesagt werden, dass ich nicht viel Zeit damit verschwendet habe.

Ich habe keine Zeit mit gründlichen Tests verbracht, da der geringfügige Unterschied zwischen "verschlechterter Bildqualität" und "etwas weniger verschlechterter Bildqualität" keinen praktischen Wert hat: Auch ist er nicht verwendbar. In meiner eigenen Arbeit lautet meine einfache Regel: "Nicht vergrößern". Aus praktischen Gründen in der Entwurfsarbeit sieht ein Bild, das für einen bestimmten Zweck etwas zu niedrig aufgelöst ist, immer besser aus als es ist, als dasselbe Bild, das von jedem Prozess, den ich habe, auf die "richtige" Auflösung "vergrößert" wurde stoßen auf, einschließlich fraktaler und bikubischer Variationen.

Im Allgemeinen reduzieren mehrere Skalierungen die Qualität über eine einzelne Skalierung auf die endgültige Größe, aber häufig ist der Unterschied minimal. Insbesondere eine um exakte Verhältnisse kleinere Skalierung, wie beispielsweise Ihr Beispiel von (2: 1, 2: 1) gegenüber (4: 1), führt im Vergleich zur einzelnen Skalierung zu einer sehr geringen Verschlechterung. Es ist natürlich am besten, alle Änderungen in der höchsten Auflösung vorzunehmen und am Ende nur einmal zu skalieren. Wenn die genaue Skalierung zunächst nicht bekannt ist, können Sie eine Reihe von Testskalierungen durchführen, um die richtige Größe zu finden. Notieren Sie dann die Größe, werfen Sie das Testbild weg und führen Sie eine einzelne Skalierung auf diese Größe vom Original durch.

Diese Frage ist super! ... Ich denke, wir werden alle zu technisch.

100 x 100 Pixel Bild = 10000 Pixel insgesamt

Durch Verkleinern eines Bildes werden Pixel herausgezogen. Durch Skalieren werden sie hinzugefügt. In beiden Fällen nimmt die Software eine "fundierte Vermutung" an, um die Datei zu ändern.

Eine einzelne Verkleinerung: 90 x 90 (1900 Pixel aus den ursprünglichen Dateiinformationen entfernt)

2-Stufen-Reduzierung: 95 x 95 (975 Pixel entfernt), 90 x 90 (weitere 925 Pixel). Das Detail, das hier zu fangen ist, ist das der insgesamt entfernten 1900px - 975 von ihnen waren NICHT Teil der ursprünglichen Informationen .

Das Originalbild ist immer das Beste. Weniger "Generationen" bedeuten immer eine bessere Qualität (die der ursprünglichen Qualität am nächsten kommt).

Beweis (und eine Antwort auf @ mutoos Kommentar)

Es ist einfach ... es ist ein Algorithmus ... es ist kein Satz menschlicher Augen. Hier gibt es 3 Farben. 100% Schwarz, 50% Schwarz und Weiß (Graustufenbild). Egal wie ich es skaliere - Bildgrößenmenü, Transformationswerkzeug, RGB, CMYK, 100 x 100 Pixel, 10 x 10 Zoll, die Ergebnisse sind dieselben:

Entlang der schwarz / grauen Kante finden Sie 80% Schwarz (eine Farbe, die es nicht gibt). Entlang der weiß / grauen Kante finden Sie 7% Schwarz (existiert nicht). [hier keine Einladung zum Anti-Alias-Argument]

Wie wir alle wissen (menschlich und alle), würde eine perfekte Verkleinerung oder Vergrößerung eine schwarz / grau / weiß gestreifte Box ergeben. Und ich fand immer noch, dass eine einzelne Iteration (nach oben oder unten) eine bessere Replik als mehrere erstellte.

Höchstwahrscheinlich ja, aber in den meisten Fällen werden Sie den Unterschied nicht einmal bemerken.

Edit: Ich sehe, dass die Leute meine Antwort nicht mögen :). Vielleicht, weil es einfach ist. IMHO macht es nicht weniger wahr. Nun ... beweise mir das Gegenteil :).

Edit 2: Ich wollte meine Antwort kurz halten, aber… :)

F: Gibt es in Photoshop einen Qualitätsunterschied, wenn ein Raster einmal um 75% und nicht zweimal um 50% verkleinert wird? In beiden Fällen ist die endgültige Größe gleich: 25% des Originals.

EIN:

1. "Höchstwahrscheinlich ja" - werfen Sie einen Blick auf Muntoos Beitrag. Er sagt, dass jeder Interpolationsschritt einige kleinere Fehler mit sich bringt. Sie sind Rundungs- oder Darstellungsfehler und können zur Qualitätsverschlechterung beitragen. Einfache Schlussfolgerung: mehr Schritte, mehr mögliche Verschlechterung. "Höchstwahrscheinlich" verliert das Bild bei jedem Skalierungsschritt an Qualität. Mehr Schritte - mehr mögliche Qualitätsminderung. Das Bild "höchstwahrscheinlich" wird also schlechter, wenn es zweimal skaliert wird als einmal. Qualitätsverlust ist nicht sicher - nehmen Sie zum Beispiel ein einfarbiges Bild, aber wie oft skaliert ein Designer ähnliche Bilder?

2. "aber in den meisten Fällen werden Sie den Unterschied nicht einmal bemerken" - wieder - muntoos Beitrag. Wie groß sind mögliche Fehler? In seinen Beispielen sind Bilder nicht in 2, sondern in 75 Schritten skaliert und Qualitätsänderungen sind spürbar, aber nicht dramatisch. In 75 Schritten! Was passiert, wenn das Bild in Ps CS4 auf 25% skaliert wird (bikubisch, Muntoo-Beispiel, entsprechend in ein und zwei Schritten skaliert)?

Kann jemand den Unterschied sehen? Aber der Unterschied ist da:

#: 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

Und kann gesehen werden, wenn richtig markiert (gm vergleiche -highlight-color lila -file diff.png one-step.png two-step.png):

1 und 2 machen meine Antwort, die ich hoffte kurz zu halten, da andere ziemlich ausführlich waren;).

Das ist es! :) Beurteile es selbst.