Dafür stehen mehrere Resampling-Methoden zur Verfügung, die im folgenden erläutert werden:
 - Nächste Nachbarschaft (Nearest Neighbour)
 - Bikubische Interpolation (Cubic Convolution)
 - Bilineare Interpolation (Bilinear Interpolation)

Interpolationsverfahren:

1. Verfahren der nächsten Nachbarschaft:
Es wird der Grauwert jenes Pixels im Eingabebild übernommen, welches den berechneten neuen Koordinaten x' und y ' am nächsten liegt. Die Originalgrauwerte bleiben daher unverändert, weshalb diese Methode bevorzugt angewandt wird, wenn eine nachfolgende Klassifikation der Daten erfolgt.
Das Verfahren benötigt am wenigsten CPU-Zeit, es kann aber zu einer Wiederholung von Grauwerten kommen und damit zu einem blockigen Aussehen des Bildes (vgl. Abbildung rechte Seite). Es führt zu einem hohen Genauigkeitsverlust [Bähr, Vögtle 1991].

Schematische Darstellung der Resampling-Methoden

2. Bilineare Interpolation:
Betrachtet die unmittelbare Nachbarschaft des Pixels (also die 4 Nachbarpixel) und interpoliert daraus den neuen Grauwert (gewichtete Mittel der Werte).
Das Verfahren ist etwas aufwendiger als das der nächsten Nachbarschaft und hat einen Glättungseffekt.

3. Bikubische Interpolation:
Hier werden die 16 Nachbarpixel des Bildpunktes interpoliert um den Grauwert für diese Pixel zu bestimmen. Diese Methode ist die komplizierteste und benötigt die längsten Rechenzeiten, besitzt dafür aber nicht das blockige Aussehen von Nearest Neighbor-Bildern oder eine extreme Glättung (bilineare Methode). Allerdings geht Information von hohen Frequenzen verloren, da der Interpolator im Grunde ein Tiefpassfilter ist.

Die Abbildung zeigt einen Bildausschnitt bei verschiedenen Interpolationsverfahren [aus Albertz 2001]

Home > Lernmodule > Modul 6