图像下采样算法

Question

什么是最好的重新采样算法，我可以用来将图像分割为原始大小的一半。速度是最重要的，但它不应该降低质量太差。我基本上是在尝试生成一个图像金字塔。

我原本打算跳过像素。这是最好的方法吗？根据我所看到的，像素跳跃产生的图像太锐利了。有没有试过这个评论的人。我的图像包含的地图数据有点像this.

Answer 1

跳过像素将导致混叠，其中高频变化(如交替的亮/暗带)将转换为低频(如恒定的亮或暗)。

在没有锯齿的情况下将大小缩小到一半的最快方法是将2x2像素平均为单个像素。使用更复杂的归约内核可以获得更好的结果，但它们将以速度为代价。

以下是目前讨论的一些技术示例。

跳过其他像素-通过查看左侧的图例，您可以看到效果不是很好。它几乎是不可读的：

​

​

平均每2x2个网格-文本现在清晰可读：

​

​

R.建议的高斯模糊-有点模糊，但在一定程度上更具可读性。可以调整模糊量以产生不同的结果：

​

​

R.关于伽玛曲线影响结果的说法也是正确的，但这应该只在要求最苛刻的应用程序中可见。我的例子是在没有进行gamma校正的情况下完成的。

编辑：，这是一个更复杂但速度较慢的内核的示例，它是在线性(不是伽马调整的)颜色空间中执行的Lanczos-5。

​

​

字体的对比度较低，可能是因为颜色空间的转换。但是看看海岸线的细节。

Answer 2

对于缩小尺度，面积平均(参见Mark的答案)接近你能得到的最好结果。

另一个主要的竞争者是高斯，它的半径略大。这将增加一点模糊，这可能被视为一个缺点，但将使模糊更均匀，而不是依赖于像素mod 2的对齐。

如果不能立即明白我的意思，请考虑像素模式0,0,2,2,0,0和0,0,0,2,2,0。通过面积平均，它们将分别缩小到0,2,0和0,1,1 -也就是说，一个将是清晰和明亮的，而另一个将是模糊和暗淡的。使用较长的滤镜，两者都将变得模糊，但它们看起来更相似，这可能对人类观察者很重要。

另一个需要考虑的问题是gamma。除非gamma是线性的，否则强度k的两个像素的总强度将比强度2*k的单个像素小得多。如果您的过滤器执行足够的模糊，它可能不是那么重要，但对于普通的面积平均过滤器，它可能是一个主要问题。我所知道的唯一解决办法是在缩放之前和之后应用和反转gamma曲线。

Answer 3

如果速度是一个问题，正如前面提到的，我建议使用2x2块，并计算平均值作为结果像素。质量不是所能达到的最好，而是接近。你可以挑起这个算法来展示它的弱点，但是在大多数图像上，你看不到有什么不同，可以证明多次更高的计算时间是合理的。你也没有任何内存开销。如果颜色分辨率可以降低到每通道6位，这里有一个非常快的方法可以防止你分解ARGB通道(这里假设32位ARGB)：

destPixel[x,y] = ((sourcePixel[2*x  ,2*y  ]>>2)&0x3f3f3f3f) +
                 ((sourcePixel[2*x+1,2*y  ]>>2)&0x3f3f3f3f) +
                 ((sourcePixel[2*x  ,2*y+1]>>2)&0x3f3f3f3f) +
                 ((sourcePixel[2*x+1,2*y+1]>>2)&0x3f3f3f3f);

这个算法的副作用是，如果另存为PNG，文件大小会变小。它看起来是这样的：

​