Bicubic İnterpolasyonu

Görüntü işleme, modern teknolojinin temel taşlarından biridir ve günlük hayatta kullandığımız birçok uygulamanın (fotoğraf düzenleme yazılımlarından yapay zekâya kadar) bir parçasıdır. Bu alanda sıkça kullanılan yöntemlerden biri olan bicubic interpolasyon (çift kübik interpolasyon), görüntülerin boyutunu değiştirirken veya eksik pikselleri tahmin ederken yüksek kaliteli sonuçlar sunar.

Bicubic interpolasyon, bir görüntünün boyutunu değiştirirken (örneğin büyütme veya küçültme) yeni piksel değerlerini hesaplamak için kullanılan bir interpolasyon yöntemidir. Türkçe'de "çift kübik interpolasyon" olarak adlandırılan bu yöntem, adını "kübik" (üçüncü dereceden polinom) matematiksel fonksiyonlardan alır ve iki boyutlu (x ve y eksenleri) bir düzlemde çalışır. Daha basit yöntemler olan nearest-neighbor (en yakın komşu) ve bilinear (çift doğrusal) interpolasyondan farklı olarak, bicubic interpolasyon, bir pikselin değerini hesaplarken çevresindeki 16 pikseli (4x4 bir matris) dikkate alır. Bu, daha pürüzsüz ve doğal görünümlü sonuçlar elde edilmesini sağlar.

Cloudinary’nin tanımına göre, "Bicubic interpolasyon, çevresindeki piksellere dayalı olarak bir pikselin değerini hesaplayan bir yöntemdir."^【1】  Bu yöntem, özellikle yüksek kaliteli görüntü gerektiren durumlarda tercih edilir çünkü detayları koruma ve artefaktları (örneğin, pikselleşme veya bulanıklık) azaltma konusunda üstün bir performans sergiler.

Görüntü işlemede interpolasyon, genellikle bir görüntünün çözünürlüğünü değiştirmek veya eksik veri noktalarını doldurmak için kullanılır. Örneğin, bir fotoğrafı büyüttüğünüzde, orijinal pikseller arasında yeni pikseller oluşturulması gerekir. Bu yeni piksellerin değerleri, interpolasyon algoritmalarıyla tahmin edilir. Bicubic interpolasyon, bu tahminleri daha sofistike bir şekilde yaparak, keskin kenarları ve ince detayları daha iyi korur.

^{Orijinal görüntü, nearest-neighbor, bilinear ve bicubic interpolasyonlarının piksel farkları (Kredit: )}

Bicubic interpolasyonun temelinde, kübik polinomlar yatmaktadır. Bu yöntem, bir pikselin değerini hesaplarken yalnızca yakın komşularını değil, aynı zamanda bu komşuların gradyanlarını (değişim oranlarını) da dikkate alır. Matematiksel olarak, bu işlem iki aşamada gerçekleşir: önce x ekseninde, ardından y ekseninde interpolasyon yapılır.

Bicubic interpolasyon, bir kübik spline fonksiyonu kullanır. Bu fonksiyon, genellikle şu şekilde tanımlanır:

Bu fonksiyon, pikselin çevresindeki diğer piksellere olan mesafesine bağlı olarak bir ağırlık atar. Wu vd. yaptıkları çalışmada "Kübik interpolasyon, sürekli bir fonksiyonun türevlerini dikkate alarak daha pürüzsüz bir geçiş sağlar." sözleriyle açıklamışlardır.

Bir pikselin değerini hesaplamak için, hedef pikselin çevresindeki 4x4’lük bir piksel matrisi seçilir. Bu matris, pikselin hem yatay hem de dikey komşularını içerir. Ardından, her bir pikselin değeri, kübik fonksiyonla ağırlıklandırılarak birleştirilir. Matematiksel ifade şu şekilde özetlenebilir:

$f(x,y)=\sum _{i=0}^3{a}_{i}j{x}^i{y}^i$

Burada a_ij 16 komşu pikselin değerlerinden ve gradyanlarından türetilen katsayılardır. Bu işlem, hem karmaşık hem de hesaplama açısından yoğun olmasına rağmen, sonuçların kalitesini artırır.

Bicubic interpolasyonun bilinear interpolasyondan farkı, yalnızca piksel değerlerini değil, aynı zamanda bunların türevlerini (gradyanlarını) da hesaba katmasıdır. Bu, özellikle kenarların ve detayların korunmasında kritik bir rol oynar. Rowe vd. yaptıkları sunumda bu durumu "Gradyanlar, interpolasyonun doğruluğunu artırır ve artefaktları azaltır." cümlesi ile vurgulamışlardır.

Bicubic intepolasyonunun adım adım çalışma süreci şu şekildedir:

1. Hedef Pikselin Belirlenmesi: Yeni bir pikselin konumu (x, y) belirlenir.
2. Komşu Piksellerin Seçimi: Hedef piksele en yakın 4x4’lük bir piksel matrisi seçilir.
3. Ağırlıkların Hesaplanması: Kübik fonksiyon kullanılarak her bir komşu piksele bir ağırlık atanır. Bu ağırlık, mesafeye bağlıdır.
4. Değerin Tahmini: Ağırlıklandırılmış piksel değerleri toplanarak yeni pikselin değeri hesaplanır.
5. İki Boyutlu Uygulama: Bu işlem, önce x ekseninde, ardından y ekseninde uygulanır.

^{Bicubic interpolasyon (Kredit: )}

Her yöntem gibi, bicubic interpolasyonun da güçlü ve zayıf yönleri vardır.

• Yüksek Kalite: 16 pikseli dikkate aldığı için, bicubic interpolasyon, pürüzsüz gradyanlar ve keskin detaylar sunar. Özellikle büyütme işlemlerinde, pikselleşme gibi artefaktlar minimuma iner.
• Doğal Görünüm: İnsan gözüne daha hoş gelen sonuçlar üretir. Bu, fotoğrafçılık ve grafik tasarım gibi alanlarda büyük bir avantajdır.
• Esneklik: Farklı türde görüntüler (örneğin, doğal sahneler veya dijital grafikler) için etkili bir şekilde kullanılabilir.

• Hesaplama Maliyeti: Daha fazla piksel ve karmaşık matematiksel işlemler gerektirdiğinden, bicubic interpolasyon, nearest-neighbor veya bilinear yöntemlere kıyasla daha yavaştır.
• Hafif Bulanıklık: Bazı durumlarda, özellikle çok keskin kenarlı görüntüler üzerinde, hafif bir bulanıklık etkisi yaratabilir.
• Kaynak Yoğunluğu: Düşük güçlü cihazlarda veya gerçek zamanlı uygulamalarda kullanımı zor olabilir.

^{İnterpolasyon Yöntemlerinin Karşılaştırılması (Yapay zeka ile oluşturulmuştur.)}

Bicubic interpolasyon, teorik bir kavramdan çok, pratik uygulamalarda sıkça kullanılan bir yöntemdir. 

• Görüntü Düzenleme Yazılımları: Photoshop gibi profesyonel yazılımlar, görüntü büyütme işlemlerinde bicubic interpolasyonu tercih eder. Bu, kullanıcıların fotoğrafları kalite kaybı olmadan ölçeklendirmesini sağlar.
•  Yapay Zekâ ve Süper Çözünürlük: Bicubic interpolasyonun, derin öğrenme tabanlı süper çözünürlük algoritmalarında bir başlangıç noktası olarak kullanıldığı belirtiliyor. Düşük çözünürlüklü bir görüntüyü büyütmek için ilk adım olarak bicubic interpolasyon uygulanır, ardından yapay zekâ modelleri bu görüntüyü daha da iyileştirir.
• Bilgisayar Grafikleri ve Oyunlar: Oyun motorlarında ve 3D render işlemlerinde, dokuların (texture) ölçeklendirilmesi için bicubic interpolasyon kullanılır. Bu, daha gerçekçi görseller elde edilmesini sağlar.
• Bilimsel Görselleştirme: Bilimsel verilerin (örneğin, tıbbi görüntüleme veya meteorolojik haritalar) interpolasyonunda bicubic yöntem, detayların korunması açısından kritik bir rol oynar

Python gibi dillerde, bu yöntem şu adımlarla uygulanabilir:

1. Girdi görüntüsü bir matris olarak temsil edilir.
2. Hedef pikselin koordinatları belirlenir.
3. Bu pikselin çevresindeki 4x4 komşu piksel matrisi seçilir.
4. Kübik ağırlık fonksiyonu tanımlanır, her komşu piksele bir ağırlık atanır.
5. Ağırlıklandırılmış toplam hesaplanarak yeni pikselin değeri elde edilir.
6. Bu işlem tüm yeni pikseller için tekrarlanır.

Örnek bir pseudo-kod:

Detaylı Kod:

^{(1) Orijinal görüntü; (2) Orijinal görüntüden 4x ölçeğinde bucibuc interpolasyonu ile downsampling ile elde edilmiş görüntü; (3) Downsampling edilmiş görüntüden 4x ölçeğinde bicubic interpolasyonu ile upscale ile elde edilmiş görüntü. (Hazırlayan ve düzenleyen: Beyza Nur Türkü)}