Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
chokaizomae
Search
yoya
January 27, 2017
Technology
2
570
chokaizomae
超解像の前に
yoya
January 27, 2017
Tweet
Share
More Decks by yoya
See All by yoya
resize_nitpick
yoya
1
150
ImageFluxBinary
yoya
2
2.7k
HEIF-kaisetsu
yoya
4
3.3k
go-thumber-imagick
yoya
1
170
wildimagebinary
yoya
1
210
goimagicksyokai
yoya
2
1.1k
GoImagickThumbnail
yoya
0
1.6k
sushigazou
yoya
0
12k
twitterimgupload
yoya
0
380
Other Decks in Technology
See All in Technology
リリース2ヶ月で収益化した話
kent_code3
1
180
Kiroから考える AIコーディングツールの潮流
s4yuba
4
660
Nx × AI によるモノレポ活用 〜コードジェネレーター編〜
puku0x
0
330
家族の思い出を形にする 〜 1秒動画の生成を支えるインフラアーキテクチャ
ojima_h
1
210
マルチモーダル基盤モデルに基づく動画と音の解析技術
lycorptech_jp
PRO
4
500
【CEDEC2025】『ウマ娘 プリティーダービー』における映像制作のさらなる高品質化へ!~ 豊富な素材出力と制作フローの改善を実現するツールについて~
cygames
PRO
0
230
AIに全任せしないコーディングとマネジメント思考
kikuchikakeru
0
430
JAWS AI/ML #30 AI コーディング IDE "Kiro" を触ってみよう
inariku
3
260
Google Cloud で学ぶデータエンジニアリング入門 2025年版 #GoogleCloudNext / 20250805
kazaneya
PRO
11
2.6k
2時間で300+テーブルをデータ基盤に連携するためのAI活用 / FukuokaDataEngineer
sansan_randd
0
130
20250807_Kiroと私の反省会
riz3f7
0
120
金融サービスにおける高速な価値提供とAIの役割 #BetAIDay
layerx
PRO
1
720
Featured
See All Featured
Dealing with People You Can't Stand - Big Design 2015
cassininazir
367
26k
How to train your dragon (web standard)
notwaldorf
96
6.1k
Code Review Best Practice
trishagee
69
19k
What’s in a name? Adding method to the madness
productmarketing
PRO
23
3.6k
GraphQLの誤解/rethinking-graphql
sonatard
71
11k
Build The Right Thing And Hit Your Dates
maggiecrowley
37
2.8k
Designing Experiences People Love
moore
142
24k
How To Stay Up To Date on Web Technology
chriscoyier
790
250k
Design and Strategy: How to Deal with People Who Don’t "Get" Design
morganepeng
130
19k
Bootstrapping a Software Product
garrettdimon
PRO
307
110k
Writing Fast Ruby
sferik
628
62k
ReactJS: Keep Simple. Everything can be a component!
pedronauck
667
120k
Transcript
“超解像”の前に 2017年1月27日(金) “よや”
[email protected]
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
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”
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)
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 〜 ?
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
(参考)複数レンズのカメラ • L16 © h5p://gigazine.net/news/20151008-16-lens-camera/
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
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
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
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
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
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
Bi-Linear • ジャギーを増やしたくない $ convert in.png –filter triangle –resize 800%x800%
out.png
Bi-Linear • さらに拡大。徐々に変化する様が見える
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
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
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
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
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
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
Mitchell-Netravali • ImageMagick の拡大のデフォルト $ convert in.png –filter mitchell –resize
800%x800% out.png
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
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
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
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
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)
Lanczos2,3,4 • 2,3,4 に区間に抑えたのが Lanczos Lobe:2 Lobe:3 Lobe:4 Sinc Lanczos
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
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?)