Ich behaupte mal: Die meisten hoch interpolierten Bilder, also aus einem Ausgangsbild größer gerechnete, sind in Photoshop entstanden. Und die „fortschrittlichste“ Interpolationsmethode, die Photoshop verwendet, ist die Bikubische. Vor einigen Versionen (ich glaube, das war Photoshop CS) gab es noch eine Verbesserung: „Bikubisch glatter“ für größer interpolierte Bilder und „Bikubisch schärfer“ für kleiner gerechnete Bilder. Seitdem wahren Photoshops Entwickler beim Thema Resampling eine mittlerweile fast dekadenlange Funkstille. Mit Verlaub, die bikubische Methode ist Schnee von gestern. Es gibt längst bessere Skalierungstechniken in kommerziellen Produkten wie S-Spline bei PhotoZoom Pro oder die fraktale Methode von Genuine Fractals, und die noch vielversprechenderen Methoden der Superresolution-Technik. Diese hat in Photo Acute und SizeFixer erste kommerzielle Anwendungen für den gemeinen Bildbearbeiter gefunden. Andere Anwendungen von Super-resolution finden sich im Astro-Imaging, bildgebenden Verfahren in der Medizin und still und heimlich bei Kriminalermittlungen, Militär und Geheimdiensten. Letztere profitieren übrigens immer wieder von der freien Forschung an Universitäten wie zum Beispiel dem Weizmann Institute of Science in Rehovot in Israel. Daniel Glasner, Shai Bagon und Michal Irani vom dortigen Dept. of Computer Science and Applied Mathematics haben jüngt eine neue Entwicklung im Bereich Super-resolution vorgestellt – und die würde ich gerne bald einmal in Photoshop sehen: Super-resolution aus Einzelbildern. 4x vergrößert, bikubisch 4x vergrößert, Super-resolution aus Einzelbild
Die Ergebnisse sehen wahrlich vielversprechend aus – folgendes Bildpaar habe ich der Beispielseite der Israelis entnommen:
Was dahinter steckt: Super-resolution verwendet Methoden, um aus einen oder mehreren Bildern eine Vergrößerung oder höhere Auflösung zu erzielen, ohne die typische Resampling-Weichzeichnung einzuführen. Die meisten Methoden „raten“ dabei um die fehlende Information zu generieren. Effektiv waren diese Methoden bislang bei Bildern, bei denen der Sensor ein Aliasing bewirkte, oder bei Verwendung einer Reihe von Bildern desselben Motivs. Der neue Ansatz (hier ein PDF) der Israelis setzt darauf, dass sich im Bild Musterfelder wiederholen, auch bei Abweichung der Größe des Musters. Das könnten beispielsweise ein Kornfeld, eine Hautstruktur, Kleidung, Wolken und vieles andere sein, was uns so vor die Linse kommt.
Verwendet man die Methode noch dazu in Kombination mit Algorhitmen, die Limitationen eines optischen Systems wie eine Kombination aus Sensor und Objektiv korrigieren, wäre das eine Lösung, um aus dem Output einer 3-Megapixel-Kamera die Qualität einer 30-Megapixel-Kamera zu erzielen.
Eine ähnliche Richtung schlägt das Compressed Sensing ein, welches vor einigen Tagen in einem Wired-Artikel angesprochen wurde, der viel Resonanz im Web fand. Langer Rede, kurzer Sinn: Es tut sich so viel Neues beim Resampling von Bildern, dass die gute alte Bikubisch-Tante in Photoshop hoffentlich mal Nachwuchs bekommt. Wäre eine schöne Überraschung, das bald in Photoshop CS5 vorzufinden – aber da bin ich wohl zu optimistisch.
über digitalfotografie, bildbearbeitung und fine-art-printing
