[et_pb_section fb_built= »1″ _builder_version= »4.16″ global_colors_info= »{} » theme_builder_area= »post_content »][et_pb_row _builder_version= »4.16″ background_size= »initial » background_position= »top_left » background_repeat= »repeat » global_colors_info= »{} » theme_builder_area= »post_content »][et_pb_column type= »4_4″ _builder_version= »4.16″ custom_padding= »||| » global_colors_info= »{} » custom_padding__hover= »||| » theme_builder_area= »post_content »][et_pb_text _builder_version= »4.16″ background_size= »initial » background_position= »top_left » background_repeat= »repeat » global_colors_info= »{} » theme_builder_area= »post_content »]
Avez-vous une image scannée en basse résolution ou dont l’original était assez floue ? La plupart du temps, une telle image n’est pas facile à exploiter pour un usage professionnel. Heureusement, l’intelligence artificielle (IA) est intervenue dans ce domaine. Il existe plusieurs applications dites de « upscaling » (mise à l’échelle) qui permettent d’améliorer la résolution d’une image grâce à l’IA. Parmi elles, citons LetsEnhance, Cutout Pro, Upscale Pics, etc.
La technique du « upscaling »
L’interpolation
Généralement, les logiciels de retouche d’image peuvent augmenter la résolution d’une image par « interpolation ». Dans ce cas, le logiciel utilise une méthode mathématique pour estimer des valeurs intermédiaires entre plusieurs points. Par exemple, un pixel manquant est évalué à partir des 4 pixels les plus proches, ou encore des 16 pixels les plus proches.
L’interpolation peut certes contribuer à améliorer une image, mais elle n’est pas capable d’ajouter des détails réalistes. Ainsi, si l’on agrandit l’image, il se peut que l’effet de l’interpolation soit peu esthétique. C’est là que l’IA peut intervenir.
Comment fonctionne l’upscaling ?
L’upscaling repose sur l’apprentissage profond (deep learning en anglais) et vise à améliorer une image en la complétant de manière réaliste. Autrement dit, l’upscaling « imagine » les détails manquants de l’image.
Pour cela, une application d’upscaling a généralement été formée sur des centaines de milliers ou des millions d’images en haute résolution. Ces images ont été volontairement réduites pour être converties en basse résolution. L’application a ensuite appris à reconstruire une image haute résolution à partir de son équivalent en basse résolution. Grâce à cet entraînement, les applications d’upscaling peuvent donc partir d’une image en basse résolution et « prédire » son équivalent en haute résolution.
Un exemple pratique
Nous avons utilisé Let’s Enhance pour améliorer une image pixelisée en basse résolution. Nous avons chargé cette photo dans Let’s Enhance et avons demandé son amélioration, sans modifier les paramètres proposés par le logiciel. Voici le résultat :
La résolution de la photo a été considérablement améliorée, et Let’s Enhance a rendu les membres de la nageuse beaucoup plus nets. Il est important de noter que l’intelligence artificielle utilisée ici imagine des formes réalistes pour la photo retouchée, mais ne reproduit pas nécessairement l’image originale. Dans le cas de cette photo, la nageuse portait un maillot rouge à pois blancs. L’application a imaginé un motif réaliste, mais qui n’est donc pas exactement fidèle à l’original. Il est bon de prendre en compte ce détail lorsqu’on améliore ainsi la résolution d’une vieille photo.
L’upscaling ne reproduit pas forcément fidèlement l’original
Bien que l’amélioration de la résolution d’une image grâce à l’upscaling puisse donner des résultats impressionnants, il est important de garder à l’esprit que l’IA ne reproduit pas forcément l’image originale de manière exacte. Elle imagine des formes réalistes pour la photo retouchée, mais celles-ci peuvent ne pas correspondre exactement à l’original. Il est donc crucial de prendre en compte cet aspect lorsqu’on utilise l’upscaling pour améliorer la résolution d’une image ancienne.
[/et_pb_text][/et_pb_column][/et_pb_row][/et_pb_section]