Vom Rasterbild zur Kandidatenmenge
Der Browser dekodiert und analysiert zuerst die Quelle: Abmessungen, Transparenz, Kanten, Farbeigenschaften, wahrscheinlichen Hintergrund und ein- oder mehrfarbiges Verhalten. Die hochgeladene Datei bleibt unverändert; die Konvertierung findet auf dem Gerät statt.
Aus dieser Analyse und dem gewählten Verwendungszweck entsteht die Kandidatenmenge. Ein typischer Lauf prüft ungefähr 16 Nachzeichnungskonfigurationen, wobei die genaue Anzahl je nach Bild und Ziel variiert. Eine oder wenige sehr ähnliche Farben führen zu einem monochrom orientierten Weg; die erkannte Vordergrundfarbe bleibt für das Ergebnisfarbfeld erhalten.
Bei flächigen Web- und Logo-Grafiken kann die Suche zusätzlich Kandidaten mit 2, 3, 4, 6 und 8 Farben enthalten. So kann eine klare Palette gegen eine nur geringfügig ähnlichere, aber viel komplexere Nachzeichnung gewinnen.
Was zwischen Durchläufen variiert
Die Kandidaten kombinieren sinnvolle Varianten von Farbverarbeitung, Regionsgruppierung, Kurven- und Detailvereinfachung sowie gegebenenfalls Eingabeverbesserung. Quelle und Ziel grenzen die Suche auf voraussichtlich nützliche Konfigurationen ein.
Exakte Gewichte, Grenzwerte und Rezepte bleiben interne Implementierungsdetails, damit das Verfahren weiterentwickelt werden kann.
Wie Kandidaten verglichen werden
Jeder Kandidat wird gerendert und mit der Quelle gemessen. Die Auswahl berücksichtigt gemeinsam:
- visuelle Ähnlichkeit, einschließlich Struktur und Farbe;
- Geometrie, etwa Silhouette, Komponenten, Löcher und geschlossene Regionen;
- Komplexität, etwa Bytes, Pfade, Befehle, Knoten, Segmente, Teilpfade und kleine Inseln;
- Zieleignung, beispielsweise offene oder doppelte Geometrie bei Fertigungszielen.
Der höchste Ähnlichkeitswert gewinnt nicht automatisch, wenn er ein erheblich größeres, verrauschtes oder ungeeignetes SVG erzeugt.
Ausgewogener Gewinner und SSIM-Gewinner
Standardmäßig gewinnt das stärkste zulässige Gleichgewicht für den Verwendungszweck. SSIM ist eine Messung der visuellen Ähnlichkeit. Die SSIM-Abweichung zeigt den Unterschied zwischen diesem ausgewogenen Ergebnis und dem Kandidaten mit dem höchsten SSIM.
Null bedeutet, dass beide identisch sind. Ein kleiner positiver Wert bedeutet, dass VectorizeThis eine begrenzte Ähnlichkeitsdifferenz für einen anderen Vorteil akzeptiert hat. Auf Desktop-Geräten lässt sich über Ausgabedetails der SSIM-Gewinner zum Vergleich anwenden.
Abschließender Präzisionsvergleich
Nach der Nachzeichnung vergleicht VectorizeThis optimierte Finalisten mit Dezimalpräzision 0, 1 und 2. Zusätzliche Stellen bleiben nur erhalten, wenn ihr gemessener Vorteil die zusätzlichen Bytes rechtfertigt. Die manuelle SVG-Präzision bietet außerdem 3.
Ausgabevorbereitung und Prüfungen
Anschließend wird der Gewinner für das Ziel vorbereitet, unter anderem durch SVG-Optimierung, viewBox-Behandlung, Hintergrundregeln, optionales Zuschneiden, Farbbearbeitung und Fertigungsprüfungen. Diese Schritte folgen auf die Bewertung, damit reine Minifizierung keinen visuellen Gewinner bestimmt.
Warnungen beschreiben messbare Risiken und keine Maschinenzertifizierung. Die Bereinigung kleiner Inseln erscheint nur bei Bedarf; Fertigungsfehler können Downloads blockieren.
Nach einer manuellen Änderung
Eine Einstellungsänderung berechnet das betroffene Bild mit dem gewählten Wert neu, ohne die gesamte Anfangssuche zu wiederholen. Eigene Farben werden erneut angewendet, wenn die Farbanzahl gleich bleibt. Die Stapelbearbeitung verwendet dieselben Kartenfunktionen und überspringt bereits passende Werte.
Praktische Grenzen
Automatische Auswahl kann nur erzeugte Kandidaten vergleichen. Fehlende Rasterdetails und ursprüngliche Designentscheidungen lassen sich nicht zurückholen. Kompressionsartefakte, Kantenglättung, Schatten, Verläufe, geringe Auflösung und winzige Merkmale beeinflussen das Ergebnis. Fertigung hängt zusätzlich von Software, Maschine, Material und Toleranzen ab.
Beginnen Sie mit dem automatischen Gewinner, vergleichen Sie beide Vorschauen und nutzen Sie bei einem konkreten Problem die Einstellungsreferenz. Einen breiteren Überblick bietet So funktioniert VectorizeThis.
Zuletzt aktualisiert: