2.2 Một số vấn đề trong nội suy ảnh Nội suy không tạo mới dữ liệu Nội suy không tạo mới dữ liệu
Khi phóng to ảnh, nội suy chỉ chèn thêm điểm ảnh (pixel) vào ảnh, số lượng điểm ảnh (pixel) lớn hơn chứ không tạo mới dữ liệu. Tức là các thông tin của bức ảnh sẽ được phân bố bởi nhiều điểm ảnh hơn khi nội suy. Như vậy một tập tin được nội suy sẽ trông không giống như một hình ảnh chưa nội suy. Nội suy chỉ khắc phục được hiện tượng răng cưa, làm mịn hình ảnh chứ không giữ nguyên trạng thái của bức ảnh ban đầu [6].
Nội suy khắc phục hiện tượng răng cưa
Răng cưa là một thuật ngữ dùng để mô tả các đường thẳng hoặc đường cong không trơn mượt, trở thành răng cưa. Do bản chất của ảnh kỹ thuật số, mỗi ảnh kỹ thuật số được tạo ra bởi các điểm ảnh, bởi vậy các đường thẳng và các đường cong trong hình ảnh kỹ thuật số không thực sự là đường thẳng hay đường cong trơn mà là mô hình răng cưa của các điểm ảnh.
Với các ảnh nhỏ, hiện tượng răng cưa thường khó phát hiện được bằng mắt thường. Chỉ khi phóng to ảnh thì hiện tượng răng cưa mới trở nên rõ nét.
Nội suy giúp gia tăng các điểm ảnh từ các điểm ảnh ban đầu, làm ảnh mịn hơn, khắc phục được hiện tượng răng cưa thường xuất hiện khi phóng to ảnh [6].
Nội suy là nguyên nhân làm mất độ sắc nét
Đối với các ảnh có giá trị màu thay đổi liên tục và có khác biệt rõ nét. Quá nội suy sẽ làm gia tăng điểm ảnh, làm ảnh mịn hơn nhưng cũng làm mất đi độ sắc nét của ảnh do giá trị của các điểm ảnh mới được tính trung bình từ các điểm ảnh xung quanh nó[6].
Hình 2.6: Ví dụ phương pháp nội suy láng giềng gần nhất, nội suy song tuyến tính và nội suy xoắn bậc ba làm mất độ sắc nét của ảnh
Nội suy không sinh ra hình ảnh thực sự tự nhiên
Dưới tác động của các phương pháp nội suy, hình ảnh sinh ra có thể không thực sự tự nhiên khi đánh giá bằng mắt thường. Ví du như khi áp dụng nội suy trong các kĩ thuật nắn chỉnh hình ảnh làm thay đổi điểm nhìn hoặc tư thế của vật thể. Điều này dẫn đến kết quả là những biến đổi hình ảnh ba chiều đơn giản (như: chuyển dịch hoặc xoay chiều) sẽ trở nên vô cùng khó khăn [6].
2.3 Một số phương pháp nội suy ảnh
2.3.1 Nội suy láng giềng gần nhất - Nearest Neighbor Interpolation
Nội suy láng giềng gần nhất là phương pháp nội suy đơn giản nhất và được sử dụng phổ biến. Điểm ảnh mới sẽ lấy giá trị của điểm ảnh gốc gần nó nhất và không xem xét các giá trị khác ở tất cả các điểm lân cận. Khoảng cách giữa hai điểm thường được đo dưới dạng khoảng cách Euclid hay khoảng cách Minkowski với k = 2.