如何解决图像下采样算法
| 我可以使用哪种最佳的重新采样算法将图像分成原始大小的一半。速度是最重要的，但是它不会降低质量。我基本上是在尝试生成图像金字塔。 我原本打算跳过像素。这是最好的方法吗？根据我的阅读，像素跳跃产生的图像太清晰了。有人尝试过此评论可以。我的图像包含这样的地图数据。解决方法
跳过像素会导致混叠，其中高频变化（例如明/暗波段交替）将转换为低频（例如亮或暗）。
将尺寸缩小到一半而没有锯齿的最快方法是将2x2像素平均为一个像素。使用更复杂的还原内核可以获得更好的结果，但是它们将以速度为代价。
编辑：这是到目前为止讨论的技术的一些示例。
跳过其他每个像素-通过查看左侧的图例，您会发现效果不是很好。几乎不可读：
平均每个2x2网格-现在，文本清晰易读：
正如R.所建议的那样，是高斯模糊-有点模糊，但到点为止更具可读性。可以调整模糊量以产生不同的结果：
R.对于影响结果的Gamma曲线也是正确的，但这仅在最苛刻的应用中才可见。我的示例是在没有伽玛校正的情况下完成的。
,对于缩小比例，面积平均（请参阅Mark的答案）接近您将获得的最佳效果。
其他主要竞争者是高斯，半径稍大。这将增加一点点模糊，这可能是一个缺点，但会使模糊更加均匀，而不是取决于像素mod 2的对齐方式。
如果不清楚我的意思，请考虑像素图案0,2,0和0,0。使用面积平均，它们分别缩小到0,1,1-即，一个将变亮和变亮，而另一个将变模糊和变暗。使用更长的滤镜，两者都将变得模糊，但它们看起来会更加相似，这可能对人类观察者至关重要。
另一个要考虑的问题是伽玛。除非伽玛是线性的，否则强度为“ 0”的两个像素的总强度将比强度为“ 1”的单个像素小得多。如果您的滤镜执行了足够的模糊处理，那么可能没什么大不了的，但是使用普通的面积平均滤镜可能会成为一个主要问题。我知道的唯一解决方法是在缩放前后应用和反转伽玛曲线...
,如前所述，如果速度是一个问题，我建议采用2x2块并计算平均值作为结果像素。质量不是可以达到的最好，而是接近。您可以激发该算法来显示其弱点，但是在大多数图像上，您看不到任何差异可以证明计算时间要长很多倍。
您也没有任何内存开销。
如果可以将每个通道的颜色分辨率降低到6bit，这是一种非常快速的方法，可防止您分解ARGB通道（此处假定为32bit 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);
STRIDE = 2
MASK = 0x3F3F3F3F
color = 0
for Δx,Δy in itertools.product(range(STRIDE),repeat=2):
color += (get_pixel(x + Δx,y + Δy) // STRIDE) & MASK
for Δx,Δy in [(0,0),(0,1),(1,1)]:
color += (get_pixel(x + Δx,y + Δy) // STRIDE) & MASK
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。