Probablemente no debería sorprender a nadie que las imágenes que miramos todos los días, ya sea impresas o en una pantalla, son simplemente ilusiones. Esa imagen del gato no es en realidad un gato, sino más bien una colección de puntos que cuando se mira desde lo suficientemente lejos engaña a nuestro cerebro para que piensemos que estamos mirando a un gato bidimensional y felizmente llena los espacios en blanco. Estos puntos pueden usar el modelo de coloration CMYK completo para impresiones, RGB (A) para imágenes digitales o un espacio de coloration limitado que incluye Greyscale.
Quizás más interesante es el uso de ditotación para engañar aún más la mente para que vea cosas que realmente no están allí al agregar ruido. En pocas palabras, Dithering es el proceso de agregar ruido para reducir el error de cuantización, que en las imágenes aparece como artefactos como la banda de coloration. También se utiliza el campo de la ditadificación de audio digital, por razones similares. Parte del proceso de pasar de una señal analógica a una digital implica tirar datos que caen fuera de la velocidad de muestreo y la profundidad de cuantización.
Al agregar ruido de dithering, estos errores de cuantización se suavizan, con el efecto remaining dependiendo del algoritmo de inmersión utilizado.
La period digital
Durante la mayor parte de la historia, los métodos de grabación y reproducción visual-auditiva de la humanidad fueron analógicos, comenzando con métodos como el dibujo y la pintura. Hasta que la música reproductora muy recientemente requería que reuniera artistas hábiles, hasta la llegada de tecnologías de grabación y reproducción analógica. Entonces, de repente, con el aumento de la tecnología informática en la segunda mitad del siglo XX, ganamos la capacidad de no solo realizar una conversión analógica a digital, sino también almacenar el formato digital resultante de una manera que prometía una reproducción casi perfecta.
Los discos y cintas ópticas digitales se encontraron compitiendo con formatos analógicos como el casete compacto y los registros de vinilo. Mientras que el video y las fotos permanecieron análogos durante mucho tiempo en forma de cintas y películas VHS, eventualmente todos dieron paso al mundo totalmente digital de cámaras digitales, JPEGS, PNGS, DVD y MPEG. A pesar de la reproducción teórica de píxel y nota de formatos digitales, consideraciones como la velocidad de muestreo (Frecuencia nyquist) y los errores de cuantificación mencionados significan una gama de dolores de cabeza nuevos para abordar.
Dicho esto, el primer uso de la división fue en realidad en el siglo XIX, cuando los periódicos y otros medios impresos buscaban imprimir fotografías sin la molestia de tener un grabado en madera o grabar. Esto condujo a la invención de de medias de medias impresión.
Lunes de polka
Con los métodos de impresión temprana, las ilustraciones se limitaron a un enfoque de todo o nada con su cobertura de tinta. Obviamente, esto significaba limitaciones serias cuando se trataba de ilustraciones y fotografías más detalladas, hasta la llegada del método de impresión de medios tonos. Primero patentado en 1852 por William Fox Talbot, su enfoque utilizó una pantalla especial para dividir una imagen en puntos discretos en una placa fotográfica. Después de desarrollar esto en una placa de impresión, estas placas imprimirían este patrón de puntos de tamaño diferente.
Aunque los métodos de impresión exactos de medias de medias se refinaron durante las siguientes décadas, el principio básico sigue siendo el mismo hasta el día de hoy: al variar el tamaño del punto y el espacio vacío (blanco) circundante, el brillo percibido cambia. Cuando este método se extendió a impresiones en coloration con el modelo de coloration CMYK, la impresión resultante de estos tres colores, ya que los puntos adyacentes permitieron imprimir fotografías a todo coloration en periódicos y revistas a pesar de tener tan pocos colores de tinta disponibles.
Si bien también es posible imprimir CMYK con la mezcla de las tintas, como en las impresoras de inyección de tinta por ejemplo, esto viene con algunas desventajas, especialmente cuando se imprime en papel delgado y de baja calidad, como el utilizado para los periódicos, ya que la saturación de tinta puede hacer que el papel se rasgue y se distorsione. Esto hace que CMYK y la ditadificación monocromática sigan siendo una técnica in style para periódicos y aplicaciones similares de baja fidelidad.
Paletas de colores
En un mundo ultimate, cada imagen tendría una profundidad de coloration ilimitada. Desafortunadamente, a veces tenemos que adaptarnos a un espacio de coloration más estrecho, como cuando se convierten en el formato de intercambio de gráficos (Gif), que se limita a 8 bits por píxel. Este formato de la década de 1987 y aún muy in style proporciona un asombroso 256 posibles colores posibles, Allbeit desde un espacio de coloration completo de 24 bits, que plantea un desafío un poco cuando se usa un PNG de 24 bits o un formato related que la fuente. Simplemente reducir la profundidad de bit causa bandas de coloration horribles, lo que significa que debemos usar el hitering para aliviar estas transiciones afiladas, como el muy común algoritmo de dituración Floyd-Steinberg:
El algoritmo de dithering Floyd-Steinberg fue creado en 1976 por Robert W. Floyd y Louis Steinberg. Su enfoque de la ditantación se basa en Difusión de errorlo que significa que toma el error de cuantización que causa la banda aguda y la distribuye en los píxeles vecinos. De esta manera, las transiciones son menos abruptas, incluso si significa que hay una notable degradación de la imagen (es decir, ruido) en comparación con el unique.
Este algoritmo es bastante sencillo, avanzando por la imagen un píxel a la vez sin afectar los píxeles previamente procesados. Después de obtener el error de cuantización del píxel precise, esto se distribuye a través de los píxeles posteriores siguientes y debajo del precise, como en el siguiente código pseudo:
for every y from prime to backside do
for every x from left to proper do
oldpixel := pixels[x][y]
newpixel := find_closest_palette_color(oldpixel)
pixels[x][y] := newpixel
quant_error := oldpixel - newpixel
pixels[x + 1][y ] := pixels[x + 1][y ] + quant_error × 7 / 16
pixels[x - 1][y + 1] := pixels[x - 1][y + 1] + quant_error × 3 / 16
pixels[x ][y + 1] := pixels[x ][y + 1] + quant_error × 5 / 16
pixels[x + 1][y + 1] := pixels[x + 1][y + 1] + quant_error × 1 / 16
La implementación del find_closest_palette_color() La función es clave aquí, con una imagen de granos grises una easy spherical(oldpixel / 255) Suficiente o trunc(oldpixel + 0.5) como sugerido En este materials del curso CS 559 de 2000 por el Universo de Wisconsin-Madison.
Tan básico como es Floyd-Steinberg, todavía se usa comúnmente hoy debido a los buenos resultados que da con un esfuerzo bastante mínimo. Lo que no quiere decir que no haya otros algoritmos de ditadificación, con el Entrada de Wikipedia en la masa Señalando de manera útil una serie de alternativas, tanto dentro de la misma categoría de difusión de error como otras categorías como riñonización ordenada. En el caso de la ditadificación ordenada, hay un patrón de transversal distinto que es muy reconocible y potencialmente desagradable.
Por supuesto, el ditimiento se realiza aquí para compensar una falta de profundidad, lo que significa que nunca se verá tan bien como la imagen unique, pero cuanto menos desagradables son los artefactos resultantes, mejor.
Cango con audio
Aunque a primera vista, el vacilamiento con audio digital parece muy alejado de la falta de cuantificación con las imágenes, se aplican los mismos principios aquí. Cuando, por ejemplo, la grabación unique debe ser muestreada al audio de calidad de CD (es decir, de 16 bits), podemos redondear o truncar las muestras originales para obtener el tamaño de muestra deseado, pero obtendríamos distorsión en cualquier caso. Esta distorsión es muy notable por el oído humano, ya que los errores de cuantización crean nuevas frecuencias y armónicos, esto se nota bastante en los ejemplos de muestreo descendente de 16 a 6 bits proporcionados en el Entrada de Wikipedia.
En la muestra con dispersión, hay claramente ruido audible, pero la señal unique (una onda sinusoidal) ahora suena bastante cerca de la señal unique. Esto se realiza mediante la adición de ruido aleatorio a cada muestra redondeando al azar hacia arriba o hacia abajo y contando en promedio. Aunque el ruido aleatorio es claramente audible en el resultado remaining, es significativamente mejor que la versión incorporada.
La distribución de ruido aleatoria también es posible con las imágenes, pero los métodos más refinados tienden a dar mejores resultados. Para el procesamiento de audio, hay distribuciones de ruido alternativas y enfoques de conformación de ruido.
Independientemente de qué método dither se aplique, sigue siendo fascinante cómo la humilde impresión de impresión y los errores de cuantización han llevado a tantas formas diferentes de engañar al ojo y el oído humanos para que acepten el contenido de fidelidad más bajo. Como muchas de las limitaciones técnicas que existieron durante el tiempo de su concepción, como el almacenamiento costoso y el bajo ancho de banda, ahora han desaparecido en su mayoría, será interesante ver cómo evoluciona el uso de ditacomoso en los próximos años y décadas.
Imagen destacada: “JJN Dithering” de [Tanner Helland]’s Gran redacción de ditenciación.
