写真加工 縮小の落とし穴 ２ 参考：引用のみ

瓢箪から駒　では無いですが、　GIMP で遊んでいて (?)、
長年の 蟠り から解放されそうなものを見付けました。　　Difference of Gaussians 。
知らないって事は ... 恐ろしいものですね。
あたふた して、翻弄されていた モヤモヤ が消え去りそうです。


先ずは、
Difference of Gaussians って、　何ぞや？。

引用しますね。　　一部省略しました。

https://en.wikipedia.org/wiki/Difference_of_Gaussians
Translate by Google

ガウス分布の違い

イメージングサイエンスでは、Gaussianの差（DoG）は、元の画像のぼやけたバージョンを、元のぼやけの少ないバージョンから別のぼやけたバージョンの減算を含む機能強化アルゴリズムです。 グレースケールイメージの単純なケースでは、元のグレースケールイメージを標準偏差の異なるガウスカーネルで畳み込むことにより、ぼやけたイメージが取得されます。 ガウス カーネルを使用して画像をぼかすと、 高周波の空間情報のみが抑制されます。 一方の画像から他方の画像を減算すると、2つのぼやけた画像で保持される周波数範囲の間にある空間情報が保持されます。 したがって、ガウス分布の違いは、元のグレースケールイメージに存在する少数の空間周波数を除くすべてを破棄するバンドパスフィルターです

詳細とアプリケーション

特徴強化アルゴリズムとして、ガウス分布の違いを利用して、デジタル画像に存在するエッジやその他の詳細の可視性を高めることができます。 さまざまな代替エッジシャープニングフィルターは、高周波ディテールを強化することで動作しますが、 ランダムノイズも高い空間周波数を持っているため、これらのシャープニングフィルターの多くはノイズを強化する傾向があり、望ましくないアーティファクトになる可能性があります ガウスアルゴリズムの違いにより、ランダムノイズを含むことが多い高周波の詳細が除去されるため、このアプローチは、ノイズの多い画像の処理に最も適したものの1つになります。 アルゴリズムの適用の主な欠点は、操作によって生じる全体的な画像コントラストの固有の低下です。

画像の強化に利用する場合、カーネル（2）とカーネル（1）のサイズ比が4：1または5：1の場合、通常、ガウスアルゴリズムの違いが適用されます。 右の画像例では、サンプル画像を平滑化するために使用されるガウスカーネルのサイズは10ピクセルと5ピクセルでした。 アルゴリズムは、サイズ2とサイズ1の比率が1.6にほぼ等しい場合に、 ガウスのラプラシアンの近似値を取得するためにも使用できます。 [3]ラプラシアンオブガウスは、さまざまな画像スケールまたは画像の焦点度で現れるエッジを検出するのに役立ちます。 ガウスのラプラシアンを近似するために使用される2つのカーネルのサイズの正確な値は、結果としてぼやけて見える差分画像のスケールを決定します。

ガウス分布の違いは、 スケール不変特徴変換の ブロブ検出にも使用されています。 実際、2つの多変量正規分布の差としてのDoGは常に合計ヌル合計を持ち、均一な信号で畳み込むと応答が生成されません。 これは、K〜1.6のガウス分布（ガウスのラプラシアン ）と、K〜5の網膜の神経節細胞の受容野によく似ています。 再帰的なスキームで簡単に使用でき、blob検出と自動スケール選択のリアルタイムアルゴリズムの演算子として使用されます。

詳細情報

その動作において、ガウスアルゴリズムの違いは、目の網膜の神経処理が脳への送信を目的とした画像から詳細を抽出する方法を模倣すると考えられています。

だそうです。


ランダムノイズも高い空間周波数を持っているため　が ポイント！。

正確には、カメラで撮影した画像が、
縮小によって、傾いた線分がモアレの様な横縞模様に化けるケースを、
回避出来そう！　と言う事です。

一見、同一色に見える線分も、規則正しい色変化の繰り返しなのでしょうね。
だから、縮小で、干渉が生じて、縞々になると想像しています。
高精細モデルで無ければ、ローパスフィルターが、色を拡散し、
規則性を持たないが故に、縮小時に破綻が起き難いと想像しています。

これを、均一な色で塗り潰せば、縮小時にも、影響を最小化出来る筈ですが、
その手段に、ずっと、悩みを抱えていた訳です。

RAW から 16 bit で吐き出させて処理したり、
一般的なモアレ対策のぼかしを使って見たり、
果ては、線分上を、類似色でなぞって見たり、　等々。

選択範囲を作り、其処に作業する事で、画像全体の精度や品質は上がる訳ですが、
それを手作業でするのは、嫌になる作業だったのです。

そして、見付けたのが、今回の　Difference of Gaussians　です。

おおっ！、　これで　選択範囲作成が　楽　出来そうです。　　;)


　　高精細は　細かい描写と ノイズ混入とが　背中合わせ！。
　　高周波部分をカットし過ぎれば、何の為の 高精細モデルだか 分からなくなりますから、
　　匙加減が重要ですね。



追記：　旧投稿　写真加工　縮小の落とし穴　参考：引用のみ