Superresolution: Aus 16 mach 64 Megapixel

Das Hexeneinmaleins KI-gestützter Bildskalierungsverfahren verheißt, aus niedrig auflösenden Sensordaten vielfach höher aufgelöste Bilder zu zaubern. Michael J. Hußmann hat auf die Probe gestellt, wie sich eine ältere 16-Megapixel-Kamera gegen aktuelle Modelle mit größeren Sensoren und weit höherer Pixelzahl schlägt, wenn ihr die KI unter die Arme greift. Nicht selten kommt man als Fotograf in die Verlegenheit, dass die Auflösung eines Fotos für einen bestimmten Zweck nicht ausreicht. Vielleicht ist es eine ältere Aufnahme aus einer Zeit, in der die Megapixelzahlen noch niedriger waren, oder man will nur einen kleinen Ausschnitt des Bildes nutzen. Früher bediente man sich dann eines der Skalierungsalgorithmen, die Photoshop und andere Anwendungen zur Bildbearbeitung anbieten. Das Ziel war es, damit einen akzeptablen Kompromiss zwischen Pixeltreppen und Unschärfe zu finden. Skalierungsverfahren, die die fehlenden Pixel nicht einfach interpolieren, sondern dem Bild stimmige Details hinzufügen, beispielsweise die CDC-4x-Methode von Binuscan oder fraktale Algorithmen, konnten sich lange nicht durchsetzen. Eine fraktale Skalierung geht davon aus, dass sich Strukturen in größeren und kleineren Maßstäben gleichen. Das kann zu überzeugenden Ergebnissen führen, wenn es diese sogenannte Selbstähnlichkeit tatsächlich gibt; bei Motiven ohne Selbstähnlichkeit entstehen jedoch seltsame Artefakte. Die neuen, KI-basierten Verfahren wie Gigapixel AI von Topaz Labs (www.topazlabs.com/gigapixel-ai) versuchen nicht, alle Motive über den gleichen Leisten zu schlagen. Sie verwenden neuronale Netze, die mit Hunderttausenden oder Millionen von Bildpaaren in jeweils höherer und niedrigerer Auflösung darauf trainiert worden sind, beim Vergrößern glaubwürdige Details hinzuzuerfinden. Adobe setzt mit der Superresolution-Funktion in Camera Raw und Lightroom noch einen Schritt vorher an und erzeugt die höhere Auflösung direkt aus den Rohdaten. Statt zwei Drittel der Daten eines Pixels zu rekonstruieren, wie es ein Raw-Konverter fast immer tun muss – nur Bilder aus Kamera mit Sigmas Foveon-Sensoren sind eine Ausnahme –, ergänzt die Superresolution mit »Foto > Verbessern« gleich elf Zwölftel der Daten von vier Pixeln. Das klingt gewagt, funktioniert aber oft erstaunlich gut. Adobe beschränkt sich auf eine zweifache lineare Vergrößerung, während Gigapixel AI bis zu sechsfach vergrößert. Praxistest So überzeugend die Ergebnisse einer KI-basierten Skalierung auf den ersten Blick wirken mögen, sind sie doch kein Hexenwerk. Die passend hinzuerfundenen Details erscheinen durchweg plausibel, können aber nur zufällig den Details entsprechen, die ein Sensor mit höherer Megapixelzahl aufgelöst hätte. Wie gut das in der Praxis funktioniert, wollten Christoph Künne und ich auf die Probe stellen, indem wir eine Fuji X70, eine ältere Kompaktkamera mit einem 16 Megapixel auflösenden APS-C-Sensor, gegen eine Sony Alpha 7R Mark IV mit 60 Megapixeln eines Kleinbildsensors und einem Tamron 2,8/17–28 mm antreten ließen. Wie würde sich ein mit Lightroom Classic und Gigapixel AI auf 64 Megapixel hochskaliertes Bild einer 16-Megapixel-Kamera gegenüber einem echten 60-Megapixel-Bild behaupten? Da gerade eine Mittelformatkamera verfügbar war, die Fuji GFX 50R mit 51 Megapixeln und einem Fuji GF 50mm F3.5 R LM WR, bezogen wir auch diese mit ein, und testeten zudem, was die Bildvergrößerung für (Raw-) Aufnahmen mit dem Apple iPhone 12 Pro Max (12 Megapixel) tun kann. Gigapixel AI von Topaz Labs skaliert Bilder bis zu 6-fach und bietet spezielle Methoden, auch Grafiken und Bilder mit störenden JPEG-Artefakten zu vergrößern. Adobes KI-basiertes Demosaicing, das in Lightroom über »Foto > Verbessern« verfügbar ist, kann die Auflösung optional verdoppeln. Die Testergebnisse Adobes Superresolution erfüllt seine Aufgabe sehr gut, die 16 Megapixel von Bildern der Fuji X70 zu vervierfachen. Das vergrößerte Bild zeigt Pixel, die ihre Herkunft aus einem neuronalen Netz nicht erkennen lassen. Der Moment der Wahrheit kommt beim Vergleich mit den 60- und 51-Megapixel-Fotos, die insbesondere bei feinen, kontrastarmen Strukturen einen Detailreichtum zeigen, der sich auch mit den Mitteln der KI nicht erraten lässt. Gigapixel AI erzeugt eine knackigere Schärfe, die allerdings auf Kosten einer natürlichen Detailwiedergabe geht. Feine, aber leicht unscharfe oder kontrastarme Strukturen werden zugunsten scharf begrenzter Kanten vergröbert. In einem Raw-Workflow ist Adobes Lösung überlegen, aber Gigapixel AI bleibt zur Skalierung von JPEGs und TIFFs nützlich. Das iPhone 12 Pro Max erzeugt etwas niedriger aufgelöste Ausgangsdaten, und der Unterschied in der Bildqualität fällt noch deutlicher aus, als die Megapixelzahlen vermuten lassen. Hier setzt die geringe Sensorgröße Grenzen, was sich auf die hochskalierten Versionen überträgt. Gigapixel AI produziert wiederum kontrastreichere Bilder mit stärkeren Artefakten; Adobes Superresolution geht behutsamer vor. Auch wenn man die Auflösung zunächst in Lightroom per Superresolution vervierfacht und das Ergebnis dann in der ursprünglichen Auflösung exportiert, bleibt die Detailzeichnung gegenüber dem Original verbessert – bei annähernd gleicher Dateigröße. Adobes Skalierungsverfahren erzeugt zunächst eine sogenannte lineare DNG-Datei, die bereits interpolierte RGB-Daten enthält und daher viel Speicherplatz belegt. Man nimmt am besten alle Entwicklungseinstellungen anhand der originalen Raw-Datei vor und wählt erst dann »Foto > Verbessern«. Nach dem Export des hochskalierten Bildes können Sie die DNG-Datei auch wieder löschen, falls der Speicherplatz knapp ist – sie lässt sich, falls nötig, jederzeit wieder erzeugen. Es ist auch eine Option, in der Ursprungsauflösung zu exportieren oder das vergrößerte Bild wieder auf diese zu verkleinern. Der Auflösungsgewinn wird dabei natürlich wieder zunichte, aber die feinere Detailzeichnung bleibt zu großen Teilen erhalten.

Als Abonnent einloggen

DOCMA 2GO abonnieren

Schreibe einen Kommentar Antwort abbrechen