我在寻找合适的图像缩放算法，并想知道为什么超级采样不如双三次、双线性甚至 lanczos 流行。
超级采样我的意思是一种将源图像划分为相等矩形的方法，每个矩形对应于目标图像中的一个像素。在我看来，这是最自然、最准确的方法。它考虑了源图像的所有像素，而双线性可能会跳过一些像素。就我所见，质量也很高，可以和lanczos媲美。
为什么流行的图像库（如 GraphicsMagic、GD 或 PIL）没有实现这个算法？我只在 Intel IPP 和 AMD Framewave 项目中找到了实现。我知道至少有一个缺点：它只能用于缩小规模，但我还缺少其他东西吗？
作为比较，这是一个 4.26 倍的缩小图像。从左到右：GraphicsMagic Sinc 滤波器（910ms）、Framewave Super 方法（350ms）、GraphicsMagic Triangle 滤波器（320ms）：
【问题讨论】：
标签： image-processing image-resizing
现在我知道答案了。因为pixel is not a little square。这就是为什么超级采样调整大小会产生 aliased 结果。这可以在样本图像上的细水射流上看到。这不是致命的，超级采样可用于缩放到 2x、3x 等，以在使用另一种方法调整到精确尺寸之前显着减小图片尺寸。这种技术在 jpeglib 中用于打开较小尺寸的图像。
当然，我们仍然可以将像素视为正方形，实际上，GD 库可以。 imagecopyresampled 是真正的超级采样。
【讨论】：
您有点误会了（当说线性重新缩放会丢失像素时）。假设您最多将图像重新缩放 2 倍，双线性插值会考虑源图像的所有像素。如果您稍微平滑图像并使用双线性插值，这将为您提供高质量的结果。对于大多数实际情况，甚至不需要双量子插值。 由于双线性插值非常快（可以在定点计算中轻松执行），因此它是迄今为止处理实时处理时最好的图像缩放算法。
如果您打算将图像缩小 2 倍以上，则双线性插值在数学上是错误的，并且在更大的系数下，即使双三次也开始出错。这就是为什么在图像处理软件（如 Photoshop）中我们使用更好的算法（但对 CPU 的要求更高）。
您的问题的答案是速度考虑。 鉴于您的 CPU/GPU 的速度、图像大小和所需的帧速率，您可以轻松计算每个像素可以执行多少操作。例如 - 使用 2GHZ CPU 和 1[Gpix] 图像大小，您每秒只能对每个像素进行少量计算。 给定允许的计算量 - 您选择最佳算法。因此，决定通常不是由图像质量驱动，而是基于速度考虑。
关于超级采样的另一个问题 - 有时如果您在频域中进行，效果会更好。这称为频率插值。但您不会只想为重新缩放图像而计算 FFT。
此外 - 我不知道您是否熟悉反投影。这是一种从目标到源而不是从源到目标插入图像的方法。使用反投影，您可以将图像放大 10 倍，使用双线性插值并且在数学上仍然是正确的。
【讨论】：
计算负担和增加的内存需求很可能是您正在寻找的答案。这就是引入自适应超级采样的原因，它在负担/内存需求和有效性之间做出妥协。 我想即使对于今天的硬件来说，超级采样仍然太重了。
【讨论】：
简短回答：它们是超级采样。我认为问题在于术语。
在您的示例中，您正在缩小。这意味着抽取，而不是插值。如果不使用超级采样，抽取将产生混叠。我在您发布的图片中没有看到锯齿。
sinc 滤波器涉及超级采样。它特别适用于抽取，因为它专门切断了高于最终图像中可以看到的频率。从名字来看，我怀疑三角形过滤器也是一种超级采样。您显示的第二张图像模糊，但我没有看到锯齿。所以我的猜测是它也使用了某种形式的超级采样。
就我个人而言，我一直对 Adobe Photoshop 感到困惑，它在缩放时询问我是想要“双三次”还是“双线性”。但 Bilinear、Bicubic 和 Lanczos 是插值方法，而不是抽取方法。
我还可以告诉您，现代视频游戏也使用超级采样。 Mipmapping 是一种常用的实时抽取快捷方式，通过按 2 的幂对单个图像进行预抽取。
【讨论】：