Skip to content
Tutorials11 dakika okuma

AI Foto Düzenleme ile Fotoğraflardan Pixel Art Nasıl Oluşturulur — Magic Eraser

Fotoğrafları AI kullanarak retro pixel art stiline dönüştürmek için adım adım kılavuz. Oyun varlıkları, sosyal medya ve baskı için çözünürlük seçimi, renk paleti niceleme, kenar temizliği ve dışa aktarma ayarlarını kapsar.

S
Sarah Chen

SEO & Growth

İnceleyen Magic Eraser Editorial ·

AI Foto Düzenleme ile Fotoğraflardan Pixel Art Nasıl Oluşturulur — Magic Eraser

Pixel art, bağımsız oyun geliştirme ve retro-estetik sosyal medya içerikleri tarafından yönlendirilen büyük bir kültürel canlanma yaşadı. Sekiz-bit ve on altı-bit dönemlerine atıfta bulunan nostaljik tasarım trendleri. Bir zamanlar teknik bir sınırlama olan — sanatçıların yalnızca üç yüz pikselin altındaki çözünürlüklerde birkaç düzine renk görüntüleyebilen erken dönem konsollarının donanım kısıtlamaları dahilinde çalışması — artık netliği, çekiciliği ve ikonik görsel dili nedeniyle değer verilen kasıtlı bir sanatsal tercih haline geldi. Fotoğrafları pixel art'a dönüştürmek, fotografik gerçekçilik ile bu stilize estetik arasındaki boşluğu kapatarak, orijinal fotoğrafın kompozisyonel güçlerini korurken hemen pixel art olarak ayırt edilen sonuçlar üretir.

Bir fotoğraf referansından manuel olarak pixel art oluşturmak son derece zaman alıcı bir süreçtir. Yetenekli bir pixel sanatçısı, altmış dört x altmış dört piksel boyutunda tek bir portreyi yeniden oluşturmak için dört ila sekiz saat harcayabilir, hangi detayların korunacağını ve hangilerinin basitleştirileceğini dikkatlice kararlaştırabilir, sınırlı bir paletten her rengi seçebilir ve her kenarın temiz merdiven desenlerini takip etmesini sağlayabilir. Yüz yirmi sekiz x yüz yirmi sekiz veya iki yüz elli altı x iki yüz elli altı gibi daha yüksek çözünürlüklerde, zaman yatırımı katlanarak artar. AI destekli dönüşümün yaratıcı denklemi değiştirdiği yer burasıdır. AI, detay azaltma, renk niceleme ve kenar iyileştirme ile ilgili hesaplama açısından yoğun kararları saniyeler içinde alır ve yaratıcıya sıfırdan oluşturmak yerine hassaslaştırılabilecek güçlü bir başlangıç noktası verir.

Bu kılavuz, Magic Eraser'ın AI stil filtrelerini kullanarak herhangi bir fotoğrafı cilalı pixel art'a dönüştürmenin tam sürecini anlatır. Hangi fotoğrafların iyi dönüştüğünü nasıl değerlendireceğinizi, hedef estetiğiniz için doğru çözünürlük ve paleti nasıl seçeceğinizi, AI dönüşüm araçlarını etkili bir şekilde nasıl kullanacağınızı ve çıktıyı uzman pixel art standartlarını karşılayacak şekilde nasıl temizleyeceğinizi ele alıyoruz. İster oyun varlıkları, ister sosyal medya içeriği, ister ürün tasarımları veya retro temalı pazarlama materyalleri oluşturun, buradaki teknikler, pixel art geleneklerine ve kurallarına saygı gösterirken AI'dan yararlanarak iş akışını büyük ölçüde hızlandıran sonuçlar üretir.

  • AI pixel art dönüşümü, konu tanıma için hangi detayların anahtar olduğunu belirlemek üzere fotoğraf kompozisyonunu analiz eder, bunları korurken diğer her şeyi belirli bir piksel ızgarasına ve renk paletine indirger.
  • Çözünürlük seçimi tüm estetiği belirler — otuz iki piksel ikonik minimalist sanat üretirken iki yüz elli altı piksel piksellenmiş formda önemli fotografik detayı korur.
  • Renk paleti boyutu ve niceleme yöntemi çözünürlük kadar önemlidir — medyan kesim doğal sonuçlar üretirken k-ortalamalar kümelemesi daha canlı stilize paletler oluşturur.
  • Temiz kenar basamaklaması ve tutarlı merdiven oranları profesyonel pixel art'ın ayırt edici özelliğidir ve AI dönüşümünden sonra yetim pikselleri ve düzensiz desenleri kaldırmak için manuel temizlik gerektirir.
  • Dışa aktarma, keskin piksel kenarlarını korumak için tamsayı ölçek katlarında en yakın komşu enterpolasyonu kullanmalıdır — bilinear veya bikübik ölçekleme retro estetiği yok eder.

Neden bazı fotoğraflar diğerlerinden daha iyi pixel art'a dönüşür

Pixel art dönüşüm kalitesindeki en önemli tek faktör, hedef çözünürlükteki konu siluetinin gücüdür. Bir görüntüyü otuz iki x otuz iki veya altmış dört x altmış dört piksellik bir ızgaraya indirgediğinizde, konunun dış hattı çok sınırlı piksel bilgisiyle bile belirgin kalmalıdır. Kolları yanlarında, kontrast oluşturan bir arka plana karşı duran bir kişi, çok düşük çözünürlüklerde bile net bir insan siluetini korur. Benzer ton değerlerinde dağınık bir arka plan önünde kolları kısmen kaldırılmış bir kişi, aynı ızgaraya indirgendiğinde belirsiz bir leke haline gelir. Dönüştürmeden önce, birincil konunun basit bir siluet olarak hala tanımlanabilir olup olmayacağını değerlendirin.

Öğeler arasındaki renk kontrastı ikinci kritik faktördür. Tam çözünürlüklü bir fotoğrafta, ince renk farklılıkları görünür çünkü binlerce piksel iki bölge arasındaki sınırı tanımlar. Pixel art çözünürlüklerinde, bu sınırlar bir avuç piksel tarafından tanımlanır. İnce renk farklılıkları palet nicelemesinden sağ çıkamayabilir. Konu, ön plan ve arka plan arasında güçlü, net renk ayrımları olan fotoğraflar, her şeyin dar bir renk aralığına düştüğü görüntülerden çok daha iyi dönüşür. Mavi bir gökyüzüne karşı kırmızı bir nesne idealdir. Biraz farklı bir gri arka plana karşı gri bir nesne, büyük olasılıkla tek bir belirsiz alana dönüşecektir.

Doku karmaşıklığı üçüncü değerlendirmedir. Saç, kürk, yeşillik ve kumaş gibi fotografik dokular, düşük piksel çözünürlüklerinde temsil edilemeyen yüksek frekanslı detaylar içerir. AI, bu dokuları birkaç temsili piksele nasıl basitleştireceğine karar vermelidir. Basit, tek tip dokular tahmin edilebilir şekilde dönüşür. Karmaşık, detaylı dokular, AI'ın yaratıcı niyetinizle eşleşmeyebilecek daha agresif basitleştirme kararları almasını gerektirir. Kaynak fotoğrafınızda korumak istediğiniz çok yoğun dokular varsa, daha yüksek bir hedef çözünürlük — yüz yirmi sekiz veya iki yüz elli altı piksel — kullanın, burada ızgara bazı doku varyasyonlarını temsil edecek kadar incedir.

  • Güçlü konu siluetleri düşük piksel çözünürlüklerinde bile tanınabilir kalırken, dağınık arka planlara karşı karmaşık pozlar belirsiz şekillere dönüşür.
  • Konu ve arka plan arasındaki yüksek renk kontrastı, sınırların palet nicelemesinden sağ çıkmasını sağlar — ince ton farklılıkları sınırlı renk sayılarında birleşebilir.
  • Basit tek tip dokular tahmin edilebilir şekilde dönüşürken saç ve yeşillik gibi karmaşık dokular, tanınabilir detayı korumak için daha yüksek hedef çözünürlükler gerektirir.
  • AI arka plan kaldırma veya basitleştirme ile ön işleme, yoğun veya düşük kontrastlı arka planlara sahip fotoğraflar için dönüşüm sonuçlarını önemli ölçüde iyileştirebilir.

Piksel çözünürlüğü ve renk paleti seçimini anlama

Hedef piksel çözünürlüğü, nihai estetik hakkında her şeyi belirler. En alt uçta, on altı x on altı piksel, favicon ve envanter simgelerinin alanıdır. Yalnızca en temel şekiller hayatta kalır ve sonuç küçük bir oyun spritesi gibi görünür. Otuz iki x otuz iki, birçok retro RPG'de kullanılan klasik karakter portresi boyutudur; burada bir yüz, her biri birkaç pikselle göz, burun ve ağız gibi temel özellikleri gösterebilir. Altmış dört x altmış dört, çoğu fotoğraftan piksele dönüşüm için ideal noktadır çünkü net yüz özelliklerine, giysi detaylarına ve arka plan öğelerine izin verirken hala belirgin şekilde pixel art olarak okunur. Yüz yirmi sekiz x yüz yirmi sekiz ve üzeri, piksel ızgarasının görünür olduğu ancak bireysel öğelerin nüanslı işleme için yeterli çözünürlüğe sahip olduğu detaylı sahne sanatı bölgesine girer.

Renk paleti seçimi, çıktı stilini tanımlamak için çözünürlükle birlikte çalışır. Tarihsel konsol paletleri mükemmel başlangıç noktaları sağlar çünkü mühendisler ve sanatçılar tarafından donanım kısıtlamaları dahilinde görsel etkiyi en üst düzeye çıkarmak için dikkatlice tasarlanmışlardır. NES paleti elli dört renk sunuyordu. SNES, toplam otuz iki bin yedi yüz altmış sekiz renklik bir paletten aynı anda iki yüz elli altı renk görüntüleyebiliyordu. Game Boy yalnızca dört yeşil tonu kullanıyordu. Bu kısıtlamaların her biri farklı bir görsel karakter üretir. AI dönüşüm aracı, otomatik palet oluşturma için hedef renk sayısı belirtmenize veya doğru konsol tarzı çıktı için belirli bir palet dosyası sağlamanıza olanak tanır.

Fotoğrafın milyonlarca rengini hedef palette indirgeyen niceleme algoritması, çıktı kalitesi üzerinde büyük bir etkiye sahiptir. Medyan kesim, en yoğun nüfuslu renk aralıklarını bölerek renk uzayını böler ve görüntüdeki en yaygın renkleri doğru bir şekilde temsil eden paletler üretir. Bu, doğal sonuçlar için iyi çalışır. K-ortalamalar kümelemesi, yinelemeli olarak optimum renk merkezlerini bulur ve bu da daha estetik açıdan hoş ancak istatistiksel olarak daha az sadık paletler üretebilir. Octree nicelemesi daha hızlı ancak daha az doğrudur. Çoğu fotoğraftan piksele dönüşüm için, sadık sonuçlar için önce medyan kesimi deneyin ve daha stilize, canlı bir yorum istiyorsanız k-ortalamaları deneyin.

  • On altı x on altı piksel simge bölgesidir. Otuz iki x otuz iki temel özellikleri gösterir — altmış dört x altmış dört çoğu fotoğraf dönüşümü için ideal noktadır — yüz yirmi sekiz ve üzeri detaylı sahne sanatına izin verir.
  • NES'in elli dört rengi veya Game Boy'un dört yeşili gibi tarihsel konsol paletleri, belirgin görsel karaktere sahip kanıtlanmış başlangıç noktaları sağlar.
  • Medyan kesim nicelemesi doğal renk paletleri üretirken k-ortalamalar kümelemesi daha canlı stilize sonuçlar yaratır.
  • AI dönüşüm aracına belirli bir palet dosyası sağlamak, çıktının rastgele renkler üretmek yerine hedef konsol estetiğiyle eşleşmesini sağlar.

Profesyonel sonuçlar için AI dönüşüm yapaylıklarını temizleme

Ham AI dönüşüm çıktısı, manuel pixel art oluşturmadan çok daha hızlı olmasına rağmen, genellikle uzman pixel sanatçılarının bitmiş bir parçada bırakmayacağı yapaylıklar içerir. En yaygın yapaylık, yetim piksellerdir — aynı renkteki herhangi bir kümeye bağlanmayan tek, izole pikseller. Geleneksel pixel art'ta, her piksel kasıtlı olarak yerleştirilir ve komşularıyla ilişkilidir. Yetim pikseller gürültü gibi görünür ve parçanın görsel bütünlüğünü bozar. Dönüştürülmüş çıktıda yüzde yüze yakınlaştırın ve tek başına duran tek pikseller için sistematik olarak tarayın. Bunları çevreleyen renge değiştirerek kaldırın veya iki veya daha fazla pikselden oluşan kasıtlı bir kümeye genişletin.

Kenar basamaklaması, cilalı pixel art'ı ham dönüşüm çıktısından ayıran ikinci alandır. Uzman pixel art'ta, çapraz çizgiler ve eğriler tutarlı adım desenlerini takip eder. Kırk beş derecelik bir çapraz, her pikselin yatay olarak bir birim ve dikey olarak bir birim ilerlediği birebir basamaklama kullanır. Daha sığ bir açı, ikiye bir basamaklama kullanabilir. Anahtar tutarlılıktır — herhangi bir tek kenar içinde, adım oranı tek tip olmalı ve düzensiz bir karmaşa yerine pürüzsüz bir merdiven oluşturmalıdır. AI dönüşümü genellikle karışık adım oranlarına sahip kenarlar üretir çünkü kenar estetiğinden ziyade renk doğruluğu için optimize eder. Ana konu kenarlarını gözden geçirin ve düzenli desenleri korumak için pikselleri ayarlayarak herhangi bir basamaklama tutarsızlığını düzeltin.

Pixel art'ta kenar yumuşatma (anti-aliasing), gerçek çözünürlük artışı olmadan kenarların görsel görünümünü yumuşatmak için belirli konumlara yerleştirilmiş ara renkler kullanır. AI dönüşümü, nicelemenin bir kenara ara bir renk yerleştirdiği durumlarda kazara kenar yumuşatma üretebilir veya sonucu iyileştireceği yerlerde kenar yumuşatmayı atlayabilir. Sekiz-bit veya on altı-bit oyunlara atıfta bulunan temiz bir retro görünüm için, keskin kenarlar için kasıtsız kenar yumuşatmayı kaldırın. Daha cilalı bir modern pixel art stili için, eğrilerin yön değiştirdiği merdiven basamaklarının dış köşelerine kasıtlı olarak tek piksellik ara renkler ekleyin.

  • Yetim pikseller — aynı renk kümelerine bağlanmayan tek izole pikseller — en yaygın yapaylıktır ve kaldırılmalı veya kasıtlı gruplara genişletilmelidir.
  • Her kenar boyunca tek tip merdiven oranlarıyla tutarlı kenar basamaklaması, cilalı pixel art'ı ham alt örnekleme sonuçlarından ayırır.
  • Kasıtsız kenar yumuşatmayı kaldırmak temiz bir retro sekiz-bit görünümü üretirken, kasıtlı olarak ara köşe pikselleri eklemek modern bir cilalı pixel art stili yaratır.
  • Dönüştürülmüş görüntünün tamamında yüzde yüz yakınlaştırmada sistematik tarama, daha küçük ekran boyutlarında görünmeyen yapaylıkları yakalar.

AI pixel art dönüşümü için yaratıcı uygulamalar ve kullanım durumları

Oyun geliştirme, AI destekli pixel art dönüşümü için en doğal uygulamadır. Retro pixel art stillerinde çalışan bağımsız geliştiriciler, fotoğraf dönüşümünü hızlı prototip oluşturma aracı olarak kullanabilir. Gerçek dünya ortamlarının, nesnelerin ve dokuların fotoğraflarını çekip bunları pixel art'a dönüştürerek referans materyali veya yer tutucu varlıklar oluşturabilirler. Bir geliştirici bir şehir caddesinin fotoğrafını çekebilir, oyunları için hedef çözünürlükte dönüştürebilir ve sonucu, sıfırdan oluşturulması saatler sürecek arka plan sanatı için bir başlangıç noktası olarak kullanabilir. Dönüştürülmüş çıktı sanatsal iyileştirme gerektirecektir, ancak güçlü bir temel görevi gören doğru oranlar, renk ilişkileri ve kompozisyon sağlar.

Sosyal medya içerik oluşturma, kaydırma akışlarını durduran ayırt edici bir görsel format olarak pixel art'ı benimsemiştir. Otuz iki x otuz iki veya altmış dört x altmış dört pikselde pixel art'a dönüştürülen profil resimleri, oyun kültürü, teknoloji toplulukları ve yaratıcı endüstrilerle ilişkili belirgin bir stil haline gelmiştir. Markalar, retro temalı kampanyalar için ürünlerinin veya maskotlarının pixel art versiyonlarını kullanır. İçerik oluşturucular, videolarındaki kareleri, fotogerçekçi rekabete karşı öne çıkan küçük resimler için pixel art'a dönüştürür. AI dönüşümü, bunu bir pixel sanatçısına iş vermeyi gerektiren ara sıra yapılan özel bir proje yerine düzenli bir içerik formatı olarak uygulanabilir kılar.

Dönüştürülmüş fotoğraflardan pixel art kullanan ürün ve baskı tasarımı, hem kişisel hem de stilize hissettiren ürünler yaratır. Yüz yirmi sekiz x yüz yirmi sekiz pikselde pixel art'a dönüştürülen ve tişört, kupa veya telefon kılıfına basılan evcil hayvan portreleri, belirli hayvanın belirgin benzerliğini korurken onu büyüleyici bir pixel art stiline dönüştürür. Pixel art'a dönüştürülen aile fotoğrafları benzersiz duvar baskıları haline gelir. Baskı uygulamaları için anahtar, yeterli fiziksel çözünürlükte dışa aktarmaktır. Sekiz kat ölçekte dışa aktarılan altmış dört x altmış dört piksellik bir sanat eseri, beş yüz on iki x beş yüz on iki piksellik bir görüntü üretir ve bu, üç yüz DPI'da yaklaşık bir-nokta-yedi inç karede net bir şekilde basılır. Daha büyük baskılar için, daha yüksek temel çözünürlükler kullanın veya görünür piksel ızgarasını kasıtlı bir tasarım öğesi olarak kabul edin.

  • Oyun geliştiricileri, doğru oranlar ve renk ilişkileri sağlayan arka plan sanatı, referans materyali ve yer tutucu varlıkların hızlı prototipi için fotoğraf dönüşümünü kullanır.
  • Sosyal medya pixel art profil resimleri ve küçük resimleri, fotogerçekçi akışlarda öne çıkan tanınabilir bir görsel format haline gelmiştir.
  • Pixel art'a dönüştürülen evcil hayvan portreleri ve aile fotoğrafları, büyüleyici stilize bir estetikle kişiselleştirilmiş ürünler yaratır.
  • Baskı için, piksel sayısından ve ölçek faktöründen fiziksel boyutları hesaplayın — sekiz kat ölçekte altmış dört piksel, üç yüz DPI'da yaklaşık bir-nokta-yedi inç basılır.

Çok kareli ve animasyonlu pixel art için ileri teknikler

Tutarlı ayarlar kullanarak bir video kare dizisini pixel art'a dönüştürmek, retro oyunların sprite animasyon stilini taklit eden animasyonlu pixel art üretir. Kritik ihtiyaç tutarlılıktır — her kare aynı çözünürlüğü, aynı renk paletini ve ideal olarak aynı niceleme ayarlarını kullanmalıdır, aksi takdirde animasyon, kareler arasında değişen renkler ve değişen detay seviyeleriyle titreşecektir. Kaynak videodan istenen kare hızında ana kareleri çıkarın — retro piksel animasyonu için saniyede sekiz ila on iki kare tipiktir — ve bunları kilitli ayarlarla AI dönüşümünden toplu olarak geçirin. Sonuç, animasyonlu bir GIF veya sprite sayfasında birleştirilebilen bir pixel art kareleri dizisidir.

Kareler arasında palet tutarlılığını korumak, animasyonlu pixel art dönüşümündeki en büyük teknik zorluktur. AI her kareyi bağımsız olarak nicelerse, biraz farklı renk dağılımlarına sahip kareler biraz farklı paletler üretecek ve animasyonda renk titremesine neden olacaktır. Çözüm, temsili bir kareden veya tüm karelerin birleşiminden tek bir ana palet oluşturmak ve ardından bu kilitli paleti dizideki her kareye uygulamaktır. Bu, aynı gerçek dünya renginin her karede aynı palet girişine eşlenmesini sağlayarak titremeyi ortadan kaldırır. Magic Eraser'ın toplu işleme modu, tam olarak bu iş akışı için palet kilitlemeyi destekler.

Dönüştürülmüş karelerden sprite sayfası oluşturma, oyun geliştirme kullanım durumları için son adımdır. Bir sprite sayfası, tüm animasyon karelerini tek bir görüntü üzerinde düzenli bir ızgarada düzenler. Oyun motorları bunu verimli bir şekilde yükleyebilir ve indeksleyebilir. Tüm kareleri dönüştürüp temizledikten sonra, tutarlı aralıklarla bir ızgarada düzenleyin. Standart sprite sayfası formatları ikinin katı boyutlarını kullanır. Kare başına altmış dört x altmış dört pikselde on altı kareden oluşan bir sayfa, toplam iki yüz elli altı x iki yüz elli altı piksel olan dörde dörtlük bir ızgara olarak düzenlenir. Tüm karelerde piksel mükemmel kenarları korumak için nihai sayfayı sıkıştırma yapaylığı olmadan ve enterpolasyonsuz PNG olarak dışa aktarın.

  • Animasyonlu pixel art, renk titremesini ve detay kaymasını önlemek için her karenin aynı çözünürlük, palet ve niceleme ayarlarını kullanmasını gerektirir.
  • Temsili bir kareden veya tüm karelerin birleşiminden bir ana palet oluşturun ve tutarlı renk eşlemesi için tüm dizi boyunca kilitleyin.
  • Standart sprite sayfaları ikinin katı boyutlarını kullanır — her biri altmış dört pikselde on altı kare, toplam iki yüz elli altı x iki yüz elli altı olan dörde dörtlük bir ızgaraya sığar.
  • Tüm karelerde piksel mükemmel kenarları korumak için sprite sayfalarını en yakın komşu enterpolasyonu ve sıkıştırmasız PNG olarak dışa aktarın.

Kaynaklar

  1. Depixelizing Pixel Art Microsoft Research / Hebrew University
  2. Pixel-Aware Deep Function-Mixture Network for Spectral Super-Resolution arXiv
  3. A Review of Artistic Stylization Techniques for Images and Video ACM Computing Surveys

İlgili araçları keşfet

İlgili kullanım alanlarını keşfet

İlgili karşılaştırmalar

İlgili makaleler