Rééchantillonnage et intelligence artificielle

Le rééchantillonnage. Pourquoi vouloir augmenter la résolution d’une photo, surtout quand la plupart des boîtiers actuels ont des capteurs qui regorgent de pixels ? Cette obsession de redimensionner le nombre de pixels tout en augmentant la qualité est ancienne. On en parlait dans les années 90 (1990). Les raisons sont nombreuses, comme :

  • Tous les boîtiers modernes ne regorgent pas pixels. Prenez les hybrides récents qui offrent souvent entre 20 et 24 Mpx. Certes, il y a des boîtiers à 40 ou 50 max (voire plus). Mais à des tarifs stratosphériques ! Ils sont donc nombreux ceux qui se cantonnent à une gamme 16/24 Mpx, ce qui est suffisant pour la majorité des images, y compris une impression jusqu’à l’A3, voire l’A2. Au-delà, on va perdre en détail et en précision.
  • Au début de l’ère des APN (Appareils Photo Numériques), la définition n’était pas aussi « élevée » que maintenant. Ce qui n’a pas empêché de prendre de bons clichés, mais entre 3 et 10 Mpx…
  • Les agences de pub (ou autres organismes) demandent des fichiers de plus en imposant, parce que cela fait mieux à l’impression… Tout en oubliant que les imprimantes restent limitées en dpi.
  • Il arrive parfois qu’on en ait (vraiment) besoin. Comme lorsqu’on a effectué, en Post-Traitement, un recadrage très serré. Parce qu’on n’a pas toujours le choix, limité par le capteur et l’objectif utilisé au moment de la prise de vue. Et quand on obtient une image de 1200 x 800 pixels, l’exploitabilité en dehors du web est proche de zéro.

Puisque les situations où un besoin supplémentaire de pixels existe, si un outil est à la hauteur, son utilisation pourra être envisagée par de nombreux photographes.

Le rééchantillonnage traditionnel

La modification des dimensions en pixels d’une image est appelée, suivant les logiciels, rééchantillonnage ou interpolation. Le sous-échantillonnage consiste à réduire le nombre de pixels de l’image, tandis que le suréchantillonnage consiste à l’augmenter.

Pour augmenter la taille des photos, la plupart des logiciels, Adobe Photoshop inclus, dupliquent chaque ligne et colonne.

on double les colonnes et lignes
chaque pixel est dupliqué 3 fois

 

Une solution simple et efficace… tant que l’utilisateur décide d’une résolution double de l’originale (x2, x4, x6, etc.). Les choses se compliquent alors, le logiciel faisant un savant calcul pour déterminer combien de lignes/colonnes seront ajoutées ou enlevées et à quel intervalle.

Ce rééchantillonnage ne permet aucun gain en qualité. Potentiellement, il peut même en faire perdre puisque, dans un rapport x2, chaque pixel en fera 4. Ce qui engendrera des effets d’escaliers visuellement plus importants.

Voici la tête d’un goéland qui servira d’exemple. L’image mesure 1000 x 1000 pixels. Si de prime abord, le rééchantillonnage bicubique semble meilleur, dès qu’il s’affiche en « grand », on se rend compte de la pixellisation. Le résultat n’est pas formidable.

Sans accentuation
Image d’origine
Agrandissement, sans accentuation Superzoom
Agrandissement simple
bicubique
Agrandissement avec interpolation bicubique

Le rééchantillonnage intelligent

Augmenter les pixels sans perdre en qualité, tel est le but de quelques logiciels, dédiés ou pas. Ce qui change avec l’outil traditionnel, c’est l’Intelligence Artificielle. Selon les logiciels, l’IA se basera sur une bibliothèque d’images (externe ou interne) pour apprendre à inventer des textures, ou apprendra à concevoir des textures à partir de ce qu’il existe dans l’image concernée. A priori, c’est un mix des 2 qui semble avoir le vent en poupe pour le moment.

Reposant sur le deep learning (apprentissage profond) et un neural network (réseau de neurones), les algorithmes vont s’auto-éduquer au travers des millions d’images qui seront soumises. Puis, ces algorithmes sont intégrés aux logiciels et vont utiliser les moteurs AI des OS récents ainsi que les cœurs de type neuronaux (les neural Engine de la puce Apple M1 par exemple) pour produire cette augmentation de pixels.

Sur le papier, l’apport de l’IA devrait changer les choses.

La méthode Adobe

Adobe, à l’instar des autres éditeurs, a décidé d’ajouter à certains de ses logiciels de traitement d’images, des outils liés à l’Intelligence artificielle (IA). Si pendant quelques mois, seul Adobe Camera Raw était détenteur de la nouvelle fonctionnalité, avec les mises à jour de juin 2021, Photoshop et Lightroom sont désormais dotés de cette fonctionnalité. Elle se nomme « Super Résolution » ou « Supersize ». Les paramètres de base prévoient une multiplication par 2 du nombre de pixels par ligne et par colonne (ce qui au final quadruplera le nombre de pixels total).

Le fichier produit par ces logiciels est un DNG qui conserve toutes les caractéristiques du fichier Raw original (ou du JPEG). Si vous aviez déjà développé votre cliché avant d’utiliser l’Adobe Super Resolution, alors les corrections et réglages seront conservés dans le nouveau fichier.

Le résultat n’est pas exceptionnel, mais on notera tout de même que les plumes semblent mieux définies et que, surtout, il n’y a pas de pixellisation. Cela montre bien que la fonction a recréé des pixels afin de former un ensemble harmonieux (même si cela semble un peu flou et pas bien net).

Agrandissement, sans accentuation Superzoom
Agrandissement, sans accentuation Supersize
Agrandissement, avec accentuation Superzoom
Agrandissement, avec accentuation Supersize
Sans accentuationAvec accentuation

 

L’outil a bien créé des points sans uniquement les doubler comme le ferait l’outil classique. Il invente les points intermédiaires avant de donner un aspect plus lisse, moins pixellisé. D’autres tests montrent le même type de gain. C’est donc une réussite, même si on espérait, au fond de soi, un petit quelque chose en plus.

 

Sous Lr et Photoshop, la fonctionnalité est disponible pour les fichiers JPEG et RAW. Sous CameraRaw, le fichier doit être en RAW. Lr produit un fichier de type DNG. La fonctionnalité se nomme Accentuer.

Outil Accentuer

Une photo déjà « améliorée » (terme usité par Adobe) ne peut l’être une seconde fois.

La méthode Topaz

C’est sans doute cette société qui a commencé en premier à proposer un outil spécialisé dans l’augmentation intelligente du nombre de pixels d’une image. Le rééchantillonnage version IA. Ceci explique sans doute pourquoi l’outil est plus abouti, plus performant.

L’interface de Gigapixels AI est simple, et son utilisation l’est tout autant. Il suffit de déposer une image, de choisir le type de redimensionnement et de lancer le traitement. Suivant la puissance de votre ordinateur, la taille de l’image d’origine et la résolution souhaitée (x2, x4, plus), il faudra plus ou moins de temps pour obtenir un nouveau fichier. On notera la présence d’outils destinés à rendre plus « propre » l’image finale, comme la réduction du bruit.

Gigapixels, une interface simple
une interface simple

 

Le fichier de destination peut-être un JPEG, RAW (conteneur DNG), TIFF et même PNG.

Après avoir déposé une image (Gigapixels sait gérer aussi des dossiers d’images), celle-ci apparaît, accompagnée au bout de quelques secondes par une prévisualisation du futur résultat. Lequel tient compte des paramètres retenus (colonne des outils à droite).

Gigapixels, les options possibles
les options possibles

 

À l’instar du test réalisé pour l’Adobe Supersize, le choix a été de multiplier par 2 le nombre de pixels par ligne et par colonne, passant de 1000 x 1000 à 2000 x 2000, tout en laissant les autres paramètres aux valeurs d’origines. La prévisualisation laisse apparaître un gain substantiel et les détails semblent mieux définis.

Après traitement, voici ce qu’il en est en réalité. Le résultat est assez bluffant, l’image paraissant moins floue, avec plus de détails. On s’aperçoit qu’il n’y a pas eu simplement doublement des points (chaque pixel étant dupliqué), mais bien un calcul de ce que ces pixels manquants auraient dû être en réalité. Et cela est la vraie avancée. Les autres tests menés en jouant sur les outils complémentaires permettent d’obtenir une meilleure idée des possibilités de ce logiciel assez bluffant.

Sans accentuation

Le résultat est sans doute perfectible, mais il est suffisamment bon pour une utilisation.

Gigapixels AI ou Adobe SuperSize Résolution, qui choisir ?

Alors, quel outil choisir ? Gigapixel AI ou Adobe SuperRésolution ? La réponse n’est pas si simple. Le second part avec un handicap certain puisque la fonctionnalité d’Adobe n’est disponible qu’au travers de ses logiciels. Ce n’est pas rédhibitoire, surtout que le flux de travail reste unique au travers d’un seul et même logiciel. Son concurrent, indépendant, est plus souple et offre plus d’option. De plus, Gigapixels permet d’aller au-delà d’un simplement doublement de l’image. Il propose des fonctions avancées complémentaires, non disponibles chez son concurrent. À noter qu’Adobe Super Résolution est moins cher, étant inclus par défaut dans CameraRaw, contrairement à son concurrent pour qui il faudra verser 95 €. Un élément qui pourrait faire pencher la balance pour certains.

Voici un autre test à partir d’un cliché pris par un Minolta Dimage 7i en 2001. La résolution d’origine est de 2560 x 1707 pixels.

version originale
version originale (avec retouche colorimétrique Lr)
version Adobe Superzoom x2
Adobe Supersize x2 (avec retouche colorimétrique Lr)
Gigapixels x2 (avec retouche colorimétrique Photoshop)
Gigapixels x2 (avec retouche colorimétrique)
extrait version originale
version originale (extrait)
extrait version adobe supersize
Adobe Supersize (extrait)
extrait version gigapixels
Gigapixels (extrait)

Il est difficile de porter un jugement précis pour savoir qui s’en tire le mieux. Les deux offrent des résultats probants. Adobe SuperRésolution semble peut-être meilleur pour certains sujets, mais c’est léger. Gigapixels semble malgré tout supérieur sur les matières. Si on compare attentivement les extraits des images de la roche volcanique, la version « Gigapixels » est supérieure.

 


Une conclusion ?

Ces outils ne sont pas que prometteurs. Ils sont pratiques, utiles et sauront même à l’avenir devenir indispensables. Même si toutes les anciennes photos ne méritent pas un « upgrade » en qualité, il y a tout de même quelques clichés qui pourraient profiter de ces procédés. Car l’inflation en termes de poids est conséquente. D’ailleurs, à quand un DNG compressé sans perte, à l’instar de ce que propose Canon avec le conteneur cr3 ? Ce serait intéressant à l’heure où les capteurs proches des 50 Mpx deviennent monnaie courante…

La restauration de photo très vieille pourrait également en profiter. Alors, quand l’IA propose des solutions qui vont dans le bon sens, celui d’aider les photographes à mieux exploiter leurs photos, il ne faut pas bouder son plaisir.

Mais il existe un risque, celui des photos volées sur internet. Avec ces procédés, augmenter la résolution tout en regagnant en netteté n’est désormais plus un mirage.

 

 

Image de tête d’article : © Origine Adobe