Leser fragen – DOCMA hilft: Super-Resolution?

Sehr geehrter Herr Dr. Baumann,in DOCMA Heft 99 hat Ihr Kollege Michael J. Hußmann einen Artikel zum Thema Super-Resolution geschrieben. Nun habe ich überlegt, ob man so etwas nicht auch mit meiner älteren Photoshop-Version ohne Künstliche Intelligenz erreichen kann, indem man ein Bild vergrößert und den beschriebenen Prozess dort irgendwie manuell nachahmt. Hätten Sie eine Idee, wie man dabei vorgehen könnte? Hochachtungsvoll, Helmut Bürger Arbeitsmaterialien finden Sie unter: www.docma.info/22381 01 Ebenen, Deckkraft und Pfeil-Tasten Eine Idee habe ich schon – aber leider führt sie zu keinem überzeugenden Ergebnis. In DOCMA 100 hatte ich ab Seite 92 gezeigt, wie sich die Deckkraftreduzierung übereinanderliegender Ebenen auswirkt. In Kürze: Ein schwarzes Quadrat (a) wird mehrfach dupliziert (b), die Deckkraft der Duplikate auf 50% reduziert und jede Ebene jeweils um eine Quadratbreite in alle vier Richtungen verschoben. Die resultierende Farbe der vier Quadrate ist identisch (c). 02 Auf Pixel-Ebene „Ebene“ bedeutet in diesem Zusammenhang nicht eine „Schicht“ im »Ebenen-Bedienfeld«, sondern eine so starke Bildvergrößerung, dass man einzelne Pixel erkennt. Stellen Sie sich nun vor, Sie skalieren die Quadrate aus Schritt 1 so weit, dass diese die Größe eines einzigen Pixels annehmen. Dann verschieben Sie die halbtransparenten Ebenen mit den Pfeiltasten wie dort beschrieben. Ist das nun eine Entsprechung des Super-Resolution-Verfahrens? links: Mit der Methode „bikubisch“ auf 200% skaliertes Bild aus Schritt 03 | rechts: Ergebnis, nachdem vier Duplikate des Originals auf Ebenen mit 50% Deckkraft verteilt und um jeweils 1 Pixel in allen vier Richtungen verschoben wurden. 03 Originalfoto 200% und 100% Das Bild unten zeigt einen Ausschnitt des Originals in 100%- Wiedergabe; oben links wurde das Bild auf eine Größe von 200% skaliert (linear – die Fläche wurde also vier mal größer). Um die ältere Photoshop-Version des Fragestellers zu berücksichtigen, erfolgte die Skalierung mit der Option »Bikubisch«. Diese beiden Ansichten dienen nur dazu, im Vergleich mit der bearbeiteten rechts einschätzen zu können, ob sich aus dem Verfahren eine höhere Detailschärfe ergibt. 04 Bearbeitetes und auf 50% skaliertes Bild Oben rechts sehen Sie das Ergebnis, nachdem vier Duplikate des Originals auf Ebenen mit 50% Deckkraft verteilt und um jeweils 1 Pixel in allen vier Richtungen verschoben wurden. Das Ergebnis ist nicht besser, sondern unschärfer. Nachdem das Bild um 50% auf die Ursprungsgröße verkleinert wurde (unten), lassen sich eigentlich gar keine Unterschiede mehr erkennen. Fazit: Super-Resolution ist jedenfalls auf diesem Weg nicht zu erzielen. Ergänzende Hinweise von Michael J. Hußmann Das Hochskalieren und Verrechnen von Fotoserien geht auch per Stapelmodus. Superresolution-Verfahren dienen dazu, Bilddetails mit Subpixel-Genauigkeit aufzulösen, also feiner, als es das Pixelraster eigentlich zulässt. Aber es geht, nur dass dazu weitere Informationen nötig sind. Aus einem Bild alleine lässt sich diese Auflösung nicht herausholen, egal wie man es anstellt. Normalerweise arbeitet man mit einer Bildserie, bei der sich die Kamera zwischen den Aufnahmen minimal bewegt. Geht es nur um kleine Motive – beispielsweise das Nummernschild eines Autos –, funktioniert es auch, wenn sich das Motiv selbst bewegt. Dann kann man die präzise Position kleiner Details per Statistik erschließen: Wenn ein Punkt, der kleiner als ein Pixel ist, mal in einem Bildpixel und mal im Nachbarpixel erfasst wird, ergibt sich seine Position aus der Häufigkeit seines Auftretens in den beiden Pixeln: Erscheint er in beiden Pixeln gleich oft, liegt er genau dazwischen, ansonsten näher beim Mittelpunkt des Pixels, in dem er häufiger erscheint, und zwar um so näher, je größer die Häufigkeit des Auftretens dort ist. Hochskalieren und Verrechnen basieren auf dieser Idee, wenngleich echte Superresolution-Algorithmen noch klarere und schärfere Bilder liefern. Bei Adobes Superresolution kommen zusätzliche Informationen ins Spiel: Nicht über die fotografierte Szene, sondern typische Bilddetails, mit denen ein neuronales Netz trainiert worden ist. Damit bekommt man zwar keine höher aufgelöste Abbildung des Motivs, das die Software ja nicht kennt, aber ein hochaufgelöstes Bild, das zeigt, wie das Motiv plausiblerweise im Detail hätte ausgesehen haben können. Verfügt man aber wirklich nur über das eine Bild sowie Photoshops Bordmittel, fehlen jegliche Zusatzinformationen – und aus diesem Nichts kann man nichts erschaffen.