Interpolieren bezeichnet in der digitalen Bildverarbeitung die Berechnung neuer Pixelwerte aus vorhandenen Nachbarpixeln – etwa beim Vergrössern eines Bildes auf mehr Pixel als der Sensor ursprünglich aufgenommen hat. Das Verfahren füllt «fehlende» Pixel mit geschätzten Werten. Die Qualität hängt entscheidend vom gewählten Algorithmus ab: von einfacher Nearest-Neighbour-Zuordnung bis zu KI-gestützter Super-Resolution.
| Zweck | Bild vergrössern, drehen oder transformieren ohne «Zahnräder» |
|---|---|
| Einfachste Methode | Nearest Neighbour – schnell, aber Treppeneffekte |
| Standard-Methode | Bikubisch – gute Qualität, leichte Weichzeichnung |
| Moderne Methode | Lanczos, AI-Upscaling (Lightroom, Topaz Gigapixel) |
| Risiko | Detailverlust und Artefakte bei zu grosser Vergrösserung |
| Limit | Interpolation erfindet keine echten Details – nur Schätzungen |
Wenn du ein 24-Megapixel-Bild auf 200 % vergrösserst, müssen neue Pixel entstehen. Die Kamera oder Software kann diese Pixel nicht «wissen» – sie schätzt sie aus den umliegenden Originalwerten. Das ist Interpolation. Dieselbe Technik kommt beim Rotieren von Bildern, beim Transformieren in Bildbearbeitungsprogrammen und bei der Demosaicing-Berechnung im RAW-Prozessor zum Einsatz – fast jede digitale Bildoperation nutzt Interpolation, ohne dass du es merkst.
Die wichtigsten Interpolations-Algorithmen
Nearest Neighbour
Der einfachste Ansatz: Der neue Pixel bekommt den Wert des räumlich nächstgelegenen Originalpixels. Resultat: scharfe, aber «treppenartige» Kanten. Einzig sinnvoll, wenn du Pixel-Art-Grafiken auf grossen Screens zeigen willst, die den Rasterlook beibehalten sollen.
Bilinear
Der neue Pixelwert entsteht aus dem gewichteten Mittel der vier nächsten Pixel. Glattere Ergebnisse als Nearest Neighbour, leichte Weichzeichnung. Gut für schnelle Vorschaubilder oder Bildverkleinerungen, bei denen maximale Schärfe kein Ziel ist.
Bikubisch
Bezieht 16 Nachbarpixel (4×4) ein und bewertet sie mit einer kubischen Gewichtskurve. Das Standardverfahren in Adobe Lightroom und Photoshop für «Bicubic Sharper» (Verkleinerung) oder «Bicubic Smoother» (Vergrösserung). Liefert gute Qualität mit minimalem Aufwand.
Lanczos und Sinc-Interpolation
Mathematisch präzisere Methoden, die grosse Pixelumgebungen berücksichtigen und Kanten schärfer wiedergeben als Bikubisch. Standard in Programmen wie Affinity Photo oder GIMP für hochwertige Upscaling-Aufgaben.
KI-gestütztes Upscaling
Adobe Camera Raw (Enhance → Super Resolution), Topaz Gigapixel und Lightroom Classic nutzen neuronale Netzwerke, die auf Millionen von Bildpaaren (Original und Hochauflösung) trainiert wurden. Sie «erraten» realistische Texturen – Haare, Stoff, Fellstruktur – die ein klassischer Algorithmus weich malen würde. Das Ergebnis ist oft deutlich überzeugender, besonders wenn das Quellbild scharf belichtet war.
Interpolation beim RAW-Prozess
Digitale Sensoren haben in jedem Pixel nur einen Farbkanal (durch das Bayer-Muster: R-G-B in bestimmtem Muster). Den zweiten und dritten Kanal muss der RAW-Konverter durch Interpolation berechnen – Demosaicing genannt. Adobe Camera Raw, DxO und Capture One nutzen dabei unterschiedlich verfeinerte Algorithmen, was einen der wichtigsten Unterschiede in der RAW-Konverter-Qualität ausmacht.
Grenzen der Interpolation
Interpolation erfindet keine echten Details. Wenn das Original unscharf ist, bleibt das Hochskalierte auch unscharf – oder es entstehen Artefakte (Halo-Ränder, Doppelkonturen). Die goldene Regel: Fang mit dem schärfsten, rauschärmsten Originalbild an, das du hast. Interpolation verstärkt gute Qualität – sie rettet keine schlechte.
Häufige Fragen
Wann sollte ich bilinear statt bikubisch verwenden?
Bilinear ist schneller und eignet sich für Vorschaubilder oder wenn du viele Bilder schnell verkleinern willst. Für Endausgaben für Druck oder grosse Anzeigen lohnt sich bikubisch oder Lanczos immer.
Lohnt sich KI-Upscaling wirklich?
Für Vergrösserungen über 200 % fast immer ja. Die KI-Methoden sind klassischen Algorithmen deutlich überlegen, wenn Textur rekonstruiert werden muss. Bei kleinen Vergrösserungen (110–130 %) ist der Unterschied oft kaum sichtbar.
Kann ich ein JPEG hochinterpolieren und dann drucken?
Ja, aber begrenze die Erwartungen. JPEG-Kompression entfernt Details. Wenn du das Bild dann interpolierst, kompensiert das die Kompressionsartefakte nicht. Besser: RAW-Original für grosse Drucke nutzen.
Was ist «Super Resolution» in Lightroom?
Eine KI-Funktion, die aus dem RAW-Bild automatisch ein viermal grösseres Bild berechnet (Pixel verdoppeln in X und Y). Das Ergebnis wird als DNG-Datei gespeichert und ist oft besser als manuelles Hochskalieren.
Beeinflussen Interpolations-Algorithmen die Schärfentiefe?
Nein, die optische Schärfentiefe ist im Moment der Aufnahme bestimmt. Interpolation kann Kanten schärfer oder weicher erscheinen lassen, verändert aber nicht die physische Schärfentiefe-Charakteristik.
Fazit
Interpolation ist das unsichtbare Werkzeug hinter fast jeder digitalen Bildoperation. Für einfache Verkleinerungen reicht bilinear oder bikubisch. Für grosse Drucke aus begrenztem Originalmaterial liefert KI-Upscaling heute Ergebnisse, die noch vor wenigen Jahren unmöglich waren. Wichtig bleibt: das Quellbild so gut wie möglich zu exponieren und scharf zu halten – Interpolation veredelt, aber ersetzt keine sorgfältige Aufnahme.
Quellen
- J. Russ: The Image Processing Handbook, 7. Aufl. CRC Press – Interpolationsalgorithmen im Detail.
- Adobe Inc.: Camera Raw / Lightroom Super Resolution White Paper, 2021 – KI-Upscaling-Methodik.
- B. Jähne: Digitale Bildverarbeitung, 7. Aufl. Springer – Grundlagen der Bildtransformation und Interpolation.
Redaktioneller Glossar-Beitrag von sinar.ch · zuletzt geprüft 2026.
{«@context»:»https://schema.org»,»@type»:»FAQPage»,»mainEntity»:[{«@type»:»Question»,»name»:»Was ist Interpolation in der Fotografie?»,»acceptedAnswer»:{«@type»:»Answer»,»text»:»Interpolation berechnet neue Pixelwerte aus vorhandenen Nachbarpixeln – zum Beispiel beim Vergrössern eines Bildes. Sie wird auch beim Demosaicing im RAW-Prozess und bei jeder Bildtransformation verwendet.»}},{«@type»:»Question»,»name»:»Lohnt sich KI-Upscaling?»,»acceptedAnswer»:{«@type»:»Answer»,»text»:»Bei Vergrösserungen über 200 % fast immer ja. KI-Methoden wie Lightroom Super Resolution oder Topaz Gigapixel rekonstruieren Texturen deutlich überzeugender als klassische Algorithmen.»}},{«@type»:»Question»,»name»:»Was ist der Unterschied zwischen bikubisch und bilinear?»,»acceptedAnswer»:{«@type»:»Answer»,»text»:»Bilinear verwendet 4 Nachbarpixel und ist schneller, erzeugt aber weichere Ergebnisse. Bikubisch nutzt 16 Pixel und liefert schärfere, detailreichere Ergebnisse – Standard für professionelle Bildbearbeitung.»}}]}