这个算法在我脑海中已经有很久了,但我找不到任何描述它的地方。虽然它非常简单,但我肯定不是唯一想到它的人。以下是它的工作方式:
你从一个图像开始。比如说,7x7像素:
你需要将其重新采样为,比如5x5像素:
所以你要做的就是取每个新正方形的平均颜色:
这不是最近邻算法,因为它只取一个像素的颜色,而不是覆盖源像素的分数像素的颜色。它也不是双线性、双三次、Lanczos或其他插值算法。
那么——它是什么?在我的直觉中,这应该是“数学完美”的重采样算法,尽管由于我没有“数学完美”的定义,我无法证明或否定这一点。
最后但并非最不重要的,“数学完美”并不总是“最好看的”,因此我想知道它与其他主流图像重采样算法(双三次、Lanczos)在“质量”方面有何区别?当然,这是一个主观的术语,所以我真的很感兴趣是否有显着的差异,大多数人都会同意这一点。
P.S. 我已经可以确定几件事——它不适用于像素艺术,如此例所示;有专门的算法来解决这个问题(2xSAI等);对于放大图片,它也不是最好的选择——插值会胜出。但是对于缩小图片呢...?
更新 1:嗯,刚刚发现了超级采样。这似乎是一种它的变体,使用网格状排列的样本,其中样本数量优化了源图像和目标图像的分辨率。