Guide
Quand affiner une photo et comment le faire
par David Lee
Que se passe-t-il lorsque vous réduisez la taille d'une image ?
14/2/2019
Traduction: traduction automatique
Lorsque vous réduisez la taille d'une image, chaque pixel doit être recalculé. J'ai étudié ce qui se passe exactement. Et quel est l'impact sur le bruit de l'image.
Lorsque vous réduisez la taille d'une image, des calculs plus ou moins complexes sont effectués. Pour le démontrer, je vais commencer par un exemple simple : une image bitmap de 24 pixels en largeur et 16 pixels en hauteur. Donc 24×16 pixels. L'image doit être réduite à 10 pixels de largeur. Si le rapport hauteur/largeur restait inchangé, cela donnerait, en toute rigueur, une nouvelle taille de 10×6,666 pixels. Mais ce n'est pas possible. J'arrondis donc au nombre entier le plus proche, à savoir 10×7 pixels. Pour les grandes images, ces erreurs d'arrondi ne sont pas visibles et n'ont donc pas vraiment d'importance.
La difficulté : un pixel au centre est composé de plusieurs pixels de l'image d'origine. Certains pixels sont également simplement coupés. Dans l'extrait suivant du visage ci-dessus, vous pouvez voir comment la grille de pixels change lorsque le nombre de pixels est réduit de 24×16 à 10×7. La grille avec les grandes cases montre les nouveaux pixels - ils sont plus grands parce qu'il y en a moins.
La question est maintenant de savoir quelle est la bonne couleur de chaque pixel. Est-ce que je prends simplement la couleur d'un pixel de l'image originale ? Ce serait une approche plutôt primitive. Il est probablement plus intelligent de regarder les autres pixels à proximité et de les prendre en compte.
La méthode utilisée pour recalculer les pixels s'appelle l'interpolation. Les logiciels de traitement d'images comme Photoshop disposent de plusieurs méthodes d'interpolation. Elles peuvent en principe être utilisées aussi bien pour réduire que pour agrandir les images. Dans la vie de tous les jours, la réduction est cependant beaucoup plus fréquente.
La répétition de pixels est la méthode la plus simple. Il suffit de déterminer quel pixel de l'image originale correspond le mieux, en termes de position, au pixel de la nouvelle image, puis d'appliquer simplement sa couleur. Cela donne des transitions très maladroites. Dans notre exemple, cela entraîne également la disparition des parties rouges de l'image, à savoir les yeux et le nez.
Bilinéaire est un peu plus sophistiquée : la couleur est calculée à partir des quatre pixels les plus proches du pixel cible. Dans notre exemple, tous les éléments du visage sont ainsi conservés. Mais de manière diluée. En effet, en intégrant les pixels voisins, on mélange aussi plus ou moins de bleu au rouge.
A la différence de la répétition de pixels, la méthode bilinéaire calcule également les nuances de couleur. Dans une image bicolore, elles sont au nombre de cinq :
- Rouge
- Bleu
- Trois quarts rouge
- Trois quarts bleu
- demi rouge, moitié bleu
Il n'y a pas de rouge pur dans l'image bilinéaire ci-dessus, car il n'y a pas de grande surface rouge dans l'image originale.
Bicubique est la méthode la plus avancée. Dans ce cas, le logiciel inclut encore plus de pixels dans le calcul. Cependant, les couleurs originales sont également diluées. Il y a encore plus de nuances qu'avec l'interpolation bilinéaire. Une image dont la taille est réduite de manière bicubique devient floue.
Je n'ai pas trouvé combien de nuances il y a, car il existe plusieurs méthodes de calcul bicubique. Mais il y en a en tout cas plus de cinq.
Bicubique plus net est la méthode que Photoshop choisit par défaut pour réduire la taille. Cette méthode tente d'accentuer les bords flous. A gauche et à droite du nez au centre, vous voyez donc du bleu pur.
Avec si peu de pixels, aucune de ces méthodes ne fonctionne bien évidemment. Dans une vraie photo, la dilution ne serait visible que sur les bords d'un objet, au centre tout irait bien. J'ai pris la simple image du smiley pour que vous puissiez mieux voir les différences dans les méthodes de calcul.
Réduction d'image et bruit d'image
Mais mon exemple n'est pas totalement déconnecté de la réalité. En effet, c'est exactement ce qui se passe avec le bruit d'image qui apparaît dans les photos réelles à des sensibilités ISO élevées : les pixels individuels ont une couleur et une luminosité différentes de la teinte de base.
Lorsque l'on réduit la taille de l'image, les écarts sont aplanis - le bruit disparaît ou du moins est fortement atténué. Pour illustrer cela, voici une image qui se rapproche de la distribution aléatoire du bruit.
Réduction bicubique plus nette, cela ressemble à ceci:
Lors de la répétition de pixels, certains pixels aberrants disparaissent certes complètement. Mais ceux qui ne disparaissent pas continuent à briller de tous leurs feux - au final, le résultat est moins bon.
C'est d'autant plus vrai que dans le cas du bruit d'image, les couleurs déviantes ne sont généralement pas aussi opposées que le rouge et le bleu. L'écart ressemble plutôt à ceci :
Cela donne déjà une surface assez régulière avec l'interpolation bicubique:
En d'autres termes, l'interpolation bicubique permet de lisser les irrégularités dues au bruit de l'image.
Epreuve par l'exemple : la comparaison avec la réalité
La photo suivante est à 12 800 ISO et présente donc un bruit assez important. Je montre d'abord un extrait pour que le bruit soit clairement visible.
La photo entière, ramenée à 700 pixels avec la méthode d'amélioration bicubique de la netteté. Le bruit a en grande partie disparu :
Voici le résultat obtenu avec la méthode bilinéaire. Tout à fait similaire, mais comme on pouvait s'y attendre, les bords sont un peu plus doux :
La répétition de pixels est clairement la plus bruyante, car les pixels manquants disparaissent complètement ou sont entièrement conservés :
L'important pour la vie quotidienne est le suivant : Le bruit disparaît en grande partie lorsque vous réduisez la taille des images. Il est très probable que votre logiciel utilise une méthode bicubique, qui élimine particulièrement bien le bruit. Avec la méthode de "netteté bicubique", votre photo reste nette.
David Lee
Senior Editor
David.Lee@digitecgalaxus.chMon intéret pour l'informatique et l'écriture m'a mené relativement tôt (2000) au journalisme technique. Comment utiliser la technologie sans se faire soi-même utiliser m'intéresse. Dans mon temps libre, j'aime faire de la musique où je compense mon talent moyen avec une passion immense.
Photo et vidéo
Suivez les thèmes et restez informé dans les domaines qui vous intéressent.
6 commentaires
later