• [^] # Re: perf ?

    Posté par . En réponse à la dépêche GEGL 0.3.0 et babl 0.1.12 sont de sortie. Évalué à 1.

    rotation qui garde une matrice (90°, 180°, 270°...),

    Ok, j'avais « confondu » 45 et 90°, c'est pour ça que je ne comprenait pas le coup de la moyenne !

    divers algorithmes dit d'interpolation

    Oui, oui, ensuite faut interpoler ... mais pourquoi le faire à chaque étape ? Parce que chaque opération destructive va faire plus ou moins la même chose : on construit une image, mais pour la faire rentrer dans une matrice on interpole sur les pixels. Est-t-il possible de « construire » virtuellement une image parfaite et ensuite faire une unique interpolation ? (dans la même veine que du SVG, sauf que là on part d'une matrice de pixels).

    Par exemple, la rotation, bah, tourne réellement la matrice (comme sur ton schéma), ensuite on applique ton filtre, et à la fin on interpole sur une grille 4x4 ...

    Mais c'est en fait un graphe

    D'accord, mais ta description, c'est carrément un arbre (donc le graphe a bien une forme particulière). Par contre, dans ton modèle, je vois pas comment on peut faire une rotation (puisque c'est pas une opération qui demande deux calques ...).


    Sinon, encore une question, pour les images on préfère une interpolation à une matrice minimisant une distance bien définie ?

    Par exemple, pour approcher une fonction par des polynômes, on peut interpoler sur n points (Lagrange), ou bien regarder le projeté orthogonal de la fonction sur R_n[X] avec un produit scalaire pertinent ... Le problème de l'interpolation c'est qu'augmenter le nombre de points de donne pas une nécessairement une convergence vers la fonction, alors qu'augmenter la dimension de l'espace sur lequel on projette si.

    Par exemple, pour la compression d'image (je sais que c'est un peu différent) on peut utiliser la Décomposition en valeurs singulières pour approcher une image (matrice) par une autre matrice de rang inférieur (diminuer le rang diminue la quantité d'information utile dans la matrice), et en fait on prend la matrice la plus proche pour la norme de Frœbenius.