Ridimensionamento dell'immagine

Interpolazione del vicino più prossimo

Il metodo più semplice è l'interpolazione del vicino più prossimo (nearest-neighbor interpolation), che assegna a ogni pixel dell'immagine di destinazione il valore del pixel più vicino dell'immagine di origine: nell'ingrandimento ogni pixel viene quindi replicato più volte con lo stesso colore. Il risultato conserva i dettagli netti, ma presenta una caratteristica scalettatura dei contorni obliqui: nell'esempio a lato le linee diagonali della «W» assumono la tipica forma «a gradini». È anche il modo più semplice di ingrandire la pixel art con fattori di scala interi.

Interpolazione bilineare e bicubica

L'interpolazione bilineare calcola i valori dei nuovi pixel interpolando linearmente, nelle due direzioni, quelli dei pixel vicini, e introduce così transizioni continue anche dove l'originale presenta transizioni nette: il metodo è adatto alle immagini a toni continui, come le fotografie, ma ammorbidisce i contorni e può creare colori assenti nell'originale, come il grigio tra un'area bianca e una nera. L'interpolazione bicubica, basata sulla convoluzione cubica, offre risultati migliori a fronte di un maggiore costo computazionale.

Ricampionamento sinc e di Lanczos

In teoria il ricampionamento basato sulla funzione sinc fornisce la ricostruzione esatta di un segnale a banda perfettamente limitata, ma le ipotesi su cui si fonda non sono soddisfatte dalle immagini digitali reali e il suo supporto infinito lo rende inapplicabile nella pratica; se ne usano perciò versioni troncate mediante una funzione finestra. Tra queste il ricampionamento di Lanczos usa come finestra la stessa funzione sinc dilatata.

Campionamento a riquadro

I metodi bilineare, bicubico e simili campionano un numero fisso di pixel: quando la riduzione supera una certa soglia, ad esempio quando l'immagine viene ridotta a meno della metà, finiscono per campionare pixel non adiacenti, con perdita di informazione e risultati grossolani. Il campionamento a riquadro (box sampling) risolve il problema considerando ogni pixel di destinazione come un riquadro sovrapposto all'immagine originale e calcolando la media di tutti i pixel che vi ricadono, in modo che ogni pixel dell'originale contribuisca al risultato.

Mipmap

Un'altra soluzione al problema della riduzione è l'uso delle mipmap, insiemi di copie dell'immagine precalcolate a risoluzioni progressivamente dimezzate: per ridurre l'immagine si parte dalla copia immediatamente più grande della dimensione desiderata, così da non scendere sotto la soglia utile dell'interpolazione bilineare. Il metodo è veloce, ma richiede un terzo di memoria in più rispetto all'immagine originale.

Metodi basati sulla trasformata di Fourier

L'interpolazione basata sulla trasformata di Fourier aggiunge componenti nulle nel dominio della frequenza; il metodo conserva bene i dettagli, ma produce artefatti di ringing (fenomeno di Gibbs) e uno sconfinamento circolare del contenuto da un bordo all'altro dell'immagine.

Interpolazione guidata dai contorni

Gli algoritmi di interpolazione guidata dai contorni (edge-directed interpolation) mirano a preservare i contorni dell'immagine, evitando gli artefatti a gradini prodotti da altri metodi. Tra questi figurano la new edge-directed interpolation (NEDI), ledge-guided image interpolation (EGII), literative curvature-based interpolation (ICBI) e la directional cubic convolution interpolation (DCCI). Uno studio del 2013 ne ha confrontato le prestazioni con quelle dell'interpolazione bilineare e bicubica.

Algoritmi per la pixel art

Per ingrandire grafica a bassa risoluzione o con pochi colori si ottengono risultati migliori con algoritmi specifici, come hqx di Maxim Stepin, EPX, Eagle, 2×SaI o xBR, che producono contorni netti mantenendo un elevato livello di dettaglio.

Vettorializzazione

La vettorializzazione segue un approccio diverso: l'immagine viene convertita in una rappresentazione vettoriale, indipendente dalla risoluzione, che può poi essere riprodotta a qualunque dimensione. Per la pixel art sono stati proposti algoritmi di vettorializzazione specifici, i cui risultati sono stati confrontati con quelli di strumenti di uso generale come Live Trace di Adobe Illustrator.

Reti neurali convoluzionali

Per immagini più complesse, come fotografie e opere d'arte, si impiegano metodi di apprendimento profondo basati su reti neurali convoluzionali, come SRCNN. Da SRCNN ha preso spunto waifu2x, un programma nato per ingrandire le illustrazioni in stile anime e poi esteso alle fotografie, che consente anche la riduzione del rumore.

Gli strumenti di ingrandimento basati sull'intelligenza artificiale devono ricostruire dettagli assenti nell'originale e possono quindi introdurre artefatti fuorvianti. Nel 2025, ad esempio, una fotografia a bassa risoluzione di Donald Trump ingrandita con uno di questi strumenti fu diffusa su X come presunta prova di anomalie sul volto del presidente statunitense; secondo gli esperti le anomalie erano invece dovute alla distorsione introdotta dall'elaborazione.

Usi generali

Il ridimensionamento delle immagini è impiegato, tra l'altro, nei programmi di grafica, nei visualizzatori di immagini, nello zoom digitale, nella creazione delle miniature e nella riproduzione delle immagini su schermo o in stampa. Anche i browser ridimensionano le immagini delle pagine web: secondo un'analisi condotta con lo strumento ResampleScope, alcune versioni di Firefox e Opera usavano l'interpolazione lineare anche per le riduzioni, metodo poco adatto a fattori di scala elevati, mentre altre versioni di Firefox e Chrome adottavano per le riduzioni un filtro di Lanczos a tre lobi.

Video

Nella riproduzione video il ridimensionamento serve ad adattare il segnale a sistemi di visualizzazione con risoluzioni diverse, ad esempio per riprodurre su un televisore ad alta definizione un contenuto a definizione standard. Il nucleo di uno scaler video è una funzione di interpolazione: le più comuni sono quelle bilineare, bicubica, spline, basata sulla trasformata discreta del coseno e gaussiana, mentre gli scaler di fascia alta usano interpolatori non lineari basati su modelli dell'immagine.

Pixel art

La grafica in pixel art è di solito a bassa risoluzione e si basa sul posizionamento accurato dei singoli pixel, con una tavolozza di colori limitata, perciò il suo ridimensionamento è particolarmente difficile: l'interpolazione del vicino più prossimo produce contorni a gradini, mentre i metodi bilineare e bicubico sfocano i bordi. Gli algoritmi specifici per la pixel art sono stati sviluppati soprattutto per i videogiochi eseguiti negli emulatori, dove la visualizzazione in rapporto 1:1 risulterebbe troppo piccola sugli schermi moderni.

Ridimensionamento in tempo reale

Diverse aziende hanno sviluppato tecniche per ingrandire in tempo reale i fotogrammi dei videogiochi. Il DLSS di NVIDIA usa una rete neurale addestrata a generare pixel aggiuntivi, consentendo alla GPU di produrre la risoluzione piena dello schermo con una maggiore frequenza dei fotogrammi. La prima versione di FidelityFX Super Resolution (FSR) di AMD, introdotta nel 2021, è invece un algoritmo di ingrandimento spaziale ottimizzato a mano che elabora il solo fotogramma corrente, senza usare la storia dei fotogrammi o i vettori di movimento; le versioni successive adottano un approccio temporale. Tra le altre tecnologie figurano XeSS di Intel, che sostituisce l'antialiasing temporale con una rete neurale, e NVIDIA Image Scaling (NIS), che esegue in un unico passaggio uno scaling direzionale e un filtro di nitidezza.