دوربین های دیجیتال برای دستیابی به زوم دیجیتال از عملیات درون یابی یا Interpolation استفاده می کنند در نرم افزار های گرافیکی هم از این عملیات برای بالا بردن وضوح تصویر استفاده می شود. که عموما دارای چهار حالت استاندارد هستند و در برنامه های مختلف کم و بیش یکسان عمل می کنند اما باید دید که این عملیات دقیقا چیست و چگونه عمل می کند ؟
InterPolation یا درون یابی ( که گاهی resamplaing نیز نامیده می شود ) یک روش گرافیکی برای افزایش یا کاهش تعداد پیکسل های یک تصویر دیجیتالی است دوربین های دیجیتالی از این روش برای زوم دیجیتال و یا افزایش مصنوعی ابعاد تصویر ، نسبت به تصویر اصلی ثبت شده توسط حسگر خود استفاده می کنند کیفیت تصویر نهایی حاصل از درون یابی به پیچیدگی الگوریتم ساخت تصویر بستگی دارد حالت های متفاوت درون یابی عبارتند از :
Nearest Neighbor InterPolation
این روش ساده ترین عملیات درون یابی محسوب می شود که اساسا پیکسل های بزرگ تری را ایجاد می کند و رنگ هر پیکسل در تصویر جدید ، با رنگ نزدیک ترین پیکس در تصویر اصلی مطابقت دارد به عنوان مثال اگر شما یک تصویر را ۲۰۰ درصد بزرگ کنید
یک پیکسل تصویر به یک فضای چهار پیکسلی ( دو پیکسل در دو پیکسل ) با رنگ پیکسل اولیه تبدیل می شود بسیاری از دوربین های دیجیتالی برای زوم کردن روی یک سوژه از این روش استفاده می کنند زیرا هیچ تاثیری بر اطلاعات رنگی تصویر نمی گذارد اصولا بهتر است از این روش برای افزایش ابعاد تصویر استفاده نشود چرا که موجب ایجاد حالت شطرنجی در تصویر می گردد
Bilinear InterPolation
این روش ارزش یک پیکسل رنگی را بر اساس چهار پیکسل در جهت های عمودی و افقی پیکسل در تصویر اصلی معین می کند تصویر جدید دارای خاصیت Anti-aliasing است و تقریبا هیچ اثری از پیکسل های شطرنجی در آن دیده نمی شود
Bicubic InterPolation
این روش دارای پیچیده ترین الگوریتم درون یابی است تصویری که با این روش به دست می آید لبه های بسیار نرم تری پیدا می کند در این حالت پیکسل جدید بر اساس ارزش تخمینی ۱۶ پیکسل ( چهار پیکسل در چهار پیکسل ) برآورد می شود. شایان ذکر است که اغلب دوربین ها ، چابگرها و نرم افزارهای گرافیکی از این روش استفاده می کنند. نرم افزار فتوشاب دو نوع Sharper و Smoother این درون یابی را نیز ارائه می کند
Fractal InterPolation
این روش برای بزرگ کردن تصویر در ابعاد خیلی بزرگ ( به عنوان مثال چاپ روی بدنه یک اتوبوس ) روش بسیار مناسبی به شمار می رود زیرا با دقت خوبی می تواند شکل اجزای تصویر را حفظ کند لبه های بسیار تمیزتر و صاف تری را نیز بر جای می گذارد
در این حالت مناطق محوی که در لبه های تصویر در روش های قبل وجود داشتند ، به ندرت دیده می شوند البته روش های دیگری که جز در برنامه های گرافیکی پیشرفته ، به ندرت از آن ها استفاده می شود.