Рассмотрим некоторые из существующих методов улучшения качества изображений, основанные на субъективном восприятию разрешения и количества цветов. При одинаковых значениях параметров устройства графического вывода можно создать иллюзию увеличения разрешения или количества цветов. Причем субъективное улучшение одной характеристики выполняется за счет ухудшения другой.

Устранение ступенчатого эффекта

В растровых системах при невысокой разрешающей способности (менее 300 dpi) существует проблема ступенчатого эффекта (aliasing). Этот эффект особенно заметен для наклонных линий — при большом шаге сетки растра пиксели образуют ступеньки лестницы.

Рассмотрим на примере отрезка прямой линии. Растровое изображение объекта определяется алгоритмом закраски пикселей, соответствующих плоскости объекта. Различные алгоритмы могут дать различные варианты растрового изображения одного и того же объекта. Рассмотрим объект, который закрашивается следующим образом — если в контур объекта попадает больше половины плоскости ячейки сетки растра, то соответствующий пик сель закрашивается цветом объекта (С), в противном случае — пик сель сохраняет цвет фона (Сф).

Устранение ступенчатого эффекта наз. По-англ. Antialiasing)

Для того чтобы растровое изображение выглядело более гладким, можно цвет угловых точек «ступенек лестницы» заменить некоторый оттенок, промежуточный между цветом объекта и цветом фона. Будем вычислять цвет пропорционально части плоскости ячейки растра, который покрыт идеальным контуром объекта. Если плоскость всей ячейки обозначить через S, а часть плоскости, которая покрыта контуром, — Sx, то необходим цвет равен:
На рисунке показано сглаживание растрового изображения, которое построено указанным выше методом.

Методы получения сглаженных растровых изображений можно разделить на 2 группы:
1. Составляют алгоритмы генерации сглаживаний изображений отдельных простых объектов — линий, фигур.
2. Составляют методы обработки уже нарисованы изображений. Для сглаживания растровых изображений часто используют алгоритмы цифровой фильтрации.

Один из таких алгоритмов — локальная фильтрация. Она осуществляется путем суммирования яркости пикселей, размещенных в некоторой области текущего пикселя, который обрабатывается. Пример, в ходе обработки изображения, по растру проходит окно падает пиксели, которые используются для вычисления цвета некоторого текущего пикселя. Если область симметрична, то данный пик сель находится в центре окна.

Базовую операцию такого фильтра можно представить так:
где Р — значение цвета текущего пикселя, F — новое значение цвета пикселя, К — нормирующий коэффициент, определяющий свойства фильтра (этот массив называют маской).
Размеры окна фильтра: (jmax-jmin +1) по горизонтали и (imax-imin +1) — по вертикали. При imin, jmin =- 1 и imax, jmax = +1 имеем фильтр с окном 3х3, который часто используют на практике.

Для обработки всего растра необходимо провести вышеуказанные вычисления для каждого пикселя. Если в ходе обработки новые значения цвета пик селей записываются в выходной растр и втягиваются в вычисления для следующих пикселей, то такую фильтрацию называют рекурсивной. При нерекурсивный фильтрации в вычисления вовлекаются только предварительные значения цветов пикселей. Нерекурсивнисть можно обеспечить, если новые значения записывают в отдельный массив.

Маска — это массив коэффициентов, которые размещаются в соответствии пикселям окна. При сглаживании цветных изображений можно использовать модель RGB и выполнять фильтрацию по каждой компоненте. С помощью локальной фильтрации можно выполнять достаточно разнообразную обработку изображения — повышение четкости, выделение контуров и др.