چرخش تصویر

برای فهم اینکه چرا خطاهای جهت این‌قدر رایج‌اند، باید بدانیم دوربین‌های دیجیتال موقعیت فضایی را چگونه ثبت می‌کنند. در مشخصات استاندارد Exchangeable Image File Format (EXIF)، برچسب 0x0112 (Orientation) یک عدد صحیح بین ۱ تا ۸ ذخیره می‌کند که به نرم‌افزار رمزگشا می‌گوید ماتریس پیکسل را چگونه نمایش دهد. مقدار ۱ جهت عمودی استاندارد؛ مقدار ۳ وارونگی ۱۸۰ درجه؛ مقدار ۶ یعنی تصویر باید ۹۰ درجه ساعت‌گرد بچرخد؛ و مقدار ۸ چرخش ۲۷۰ درجه ساعت‌گرد (یا ۹۰ درجه پادساعت‌گرد) را نشان می‌دهد، به‌علاوه چهار مقدار آینه‌ای دیگر (۲، ۴، ۵، ۷).

نقص مهلک تکیه صرف بر پرچم‌های جهت EXIF این است که فراداده ذاتاً ناپایدار است. بسیاری از ابزارهای بهینه‌سازی تصویر، ابزارهای پاک‌سازی حریم خصوصی، شبکه‌های تحویل محتوا (CDN) و پلتفرم‌های اجتماعی برای کاهش حجم فایل یا حفاظت از حریم خصوصی کاربر، فراداده EXIF را به‌شدت حذف می‌کنند. وقتی برچسب 0x0112 حذف شود، موتور رندر دستور جهت را از دست می‌دهد و به نمایش آرایه رستری خام و چرخش‌نیافته برمی‌گردد و عکس فوراً پهلو دیده می‌شود.

ابزار چرخاندن تصویر ما این آسیب‌پذیری معماری را برای همیشه حل می‌کند. موتور ما به‌جای تغییر صرف یک برچسب فراداده در سرآیند فایل، یک تبدیل رستری فیزیکی در حافظه انجام می‌دهد. بافر پیکسلی زیرین را طوری بازچینی می‌کند که پیکسل بصری بالا-چپ به مختصات واقعی (0,0) آرایه فایل تبدیل شود. پس از چرخش با ابزار ما، تصویر به‌طور فیزیکی عمودی است و حتی اگر تک‌تک بایت‌های فراداده EXIF برای همیشه پاک شود، دیگر هرگز پهلو نمی‌شود.

در جبر خطی و گرافیک رایانه‌ای، تبدیل‌های فضایی با ماتریس تبدیل آفین دوبعدی محاسبه می‌شوند. برای چرخش‌های زاویه‌ای دلخواه (مانند ۱۴ یا ۳۷ درجه برای اصلاح افق کج)، ماتریس تبدیل شامل مختصات کسری سینوس و کسینوس است. این کار نیازمند ضدنقص لبه زیرپیکسلی و درون‌یابی فضایی (مانند فیلتر دوخطی یا دومکعبی) است که مقادیر پیکسل‌های مجاور را دوباره محاسبه و ترکیب کرده و اندکی نرمی نسل‌به‌نسل و تاری نوری ایجاد می‌کند.

در تضاد کامل، چرخاندن تصویر با مضرب‌های دقیق ۹۰ درجه (۹۰، ۱۸۰ و ۲۷۰ درجه) یک تبدیل ماتریسی متعامد است. چون زاویه‌های چرخش دقیقاً ۹۰ درجه‌اند، sin(θ) و cos(θ) فقط مقادیر صحیح ۰، ۱ یا ۱- را می‌گیرند. در نتیجه هر مختصات پیکسل ورودی (x, y) مستقیماً و بی‌ابهام به یک مختصات صحیح دقیق در مقصد نگاشت می‌شود، بدون هیچ گردکردن ریاضی، ترکیب کسری یا درون‌یابی رنگ.

برای چرخش ۹۰ درجه ساعت‌گرد، هر پیکسل در مختصات (x, y) به‌سادگی به (height - 1 - y, x) منتقل می‌شود. برای وارونگی ۱۸۰ درجه، پیکسل به (width - 1 - x, height - 1 - y) نگاشت می‌شود. چون تک‌تک پیکسل‌های منبع با شدت رنگ و عمق بیت اصلی دست‌نخورده حفظ می‌شوند، چرخش متعامد از نظر ریاضی ۱۰۰٪ بدون افت است. هر لبه تیز تایپوگرافی، بافت ظریف عکاسی و گذار لطیف رنگ دقیقاً مانند عکس اصلی می‌ماند.

اصلاح جهت تصویر صرفاً یک نیاز ظاهری برای گالری عکس نیست؛ بلکه پیش‌شرطی حیاتی در پردازش خودکار اسناد، بایگانی سازمانی و جریان‌های تشخیص نوری نویسه (OCR) است. سخت‌افزارهای اسکن خودکار، اسکنرهای فیدردار و اپلیکیشن‌های موبایل ثبت سند بسته به نحوه قرار دادن برگه‌ها در سینی ورودی، اغلب صفحات را وارونه یا پهلو می‌دهند.

الگوریتم‌های تشخیص نوری نویسه (مانند Tesseract، APIهای بینایی ابری و تجزیه‌گرهای زبان طبیعی مبتنی بر یادگیری ماشین) برای تشخیص نویسه‌ها، واژه‌ها و خطوط پایه متن به بخش‌بندی خطوط افقی و تشخیص الگوی کادرهای محدوده متکی‌اند. وقتی فاکتور، قرارداد حقوقی، فرم پزشکی یا مقاله علمی دیجیتال‌شده ۹۰ درجه پهلو یا ۱۸۰ درجه وارونه باشد، موتورهای OCR نمی‌توانند شکست خطوط معتبر را پیدا کنند و متنی کاملاً مخدوش تولید می‌کنند یا هیچ اطلاعاتی استخراج نمی‌کنند.

سازمان‌ها با استفاده از ابزار سمت کاربر «چرخاندن تصویر» برای پیش‌پردازش اسناد اسکن‌شده پیش از اجرای OCR یا ثبت فایل‌ها در سیستم‌های مدیریت اسناد (DMS)، تضمین می‌کنند تجزیه‌گرهای خودکار متن به دقت بیش از ۹۹٪ برسند. افزون بر این، چون ابزار ما کاملاً در حافظه محلی مرورگر اجرا می‌شود، قراردادهای محرمانه، توافق‌نامه‌های عدم افشا و اطلاعات سلامت محافظت‌شده (PHI) بدون نقض استانداردهای سخت‌گیرانه حریم خصوصی داده، جهت‌دهی دوباره می‌شوند.

حسگرهای جهت گوشی (شتاب‌سنج و ژیروسکوپ) وقتی دستگاه با زاویه‌ای غیرعمودی نگه داشته شود دچار سردرگمی هندسی می‌شوند. سناریوی رایج زمانی است که کاربر گوشی را موازی با زمین یا سطح میز نگه می‌دارد — مثلاً هنگام عکاسی از بالا از یک سند، غذای رستوران یا یک نقشه طراحی تخت. در این صفحه افقی گرانشی، ژیروسکوپ نمی‌تواند به‌طور قابل‌اعتماد تشخیص دهد کدام لبه گوشی نشانگر جهت عمودی واقعی است و نتیجه، تخصیص تصادفی و غیرقابل‌پیش‌بینی جهت EXIF است.

به همین ترتیب، دوربین‌های سلفی جلو چالش جهت دومحوره ایجاد می‌کنند: عکس‌ها ممکن است هم ۹۰ درجه چرخیده و هم به‌صورت افقی آینه‌ای باشند، به‌طوری که نوشته‌های روی لباس، کارت نام و تابلوهای پس‌زمینه مانند تصویر آینه برعکس دیده می‌شوند. توالی ویرایش پیشنهادی این است که همیشه ابتدا با همین ابزار چرخاندن تصویر هم‌ترازی چرخشی را اصلاح کنید تا محور عمودی واقعی مشخص شود. پس از عمودی شدن تصویر، می‌توانید با ابزار «قرینه افقی» بررسی کنید آیا ترکیب‌بندی به بازتاب افقی نیاز دارد و سپس با «برش تصویر» ابعاد را تنظیم کنید تا دارایی متعادل و آماده انتشار به دست آید.

یک پیامد فنی مهم چرخش‌های ۹۰ و ۲۷۰ درجه این است که عرض و ارتفاع فیزیکی بوم تصویر جابه‌جا می‌شوند. یک دارایی افقی عریض با عرض ۱۹۲۰ و ارتفاع ۱۰۸۰ پیکسل به یک دارایی عمودی با عرض ۱۰۸۰ و ارتفاع ۱۹۲۰ پیکسل تبدیل می‌شود. این وارونگی ابعادی تعامل تصویر با چیدمان‌های واکنش‌گرای وب، ظرف‌های CSS flexbox/grid و جریان‌های خودکار تصویر در CMS را عمیقاً تغییر می‌دهد.

برای وب‌سایت‌های تولیدی پرترافیک، چرخاندن ساده فایل تنها نخستین گام در یک جریان منسجم آماده‌سازی دارایی است. پس از چرخاندن تصویر به جهت عمودی، توسعه‌دهندگان باید ابعاد جدید را بررسی کنند. اگر دارایی عمودی جدید از بیشینه ارتفاع نمایش ستون هدف بیشتر است، فایل را به ابزار «تغییر اندازه تصویر» بدهید تا ارتفاع با حفظ قفل نسبت ابعاد کوچک شود. سپس اگر فضای اضافی بالا یا پایین باید برای تطبیق با نماهای استاندارد موبایل 4:5 یا 9:16 حذف شود، از «برش تصویر» استفاده کنید. در نهایت دارایی را از ابزار «فشرده‌سازی تصویر» عبور دهید تا فراداده زائد حذف و وزن بایتی بهینه برای بارگذاری بسیار سریع صفحات موبایل به دست آید.