Algorithm 程序纹理算法中的清晰度？

在本页的大图部分给出了一个表格，用于比较3种不同功能的不同组合。让左边的函数为

y=f（x）

那么函数的平均值、差值、加权和、4%阈值呢？我需要一个数学方程，用

y

这一页解释了一切：

这里有一些简单、枯燥的函数，当它们与越来越小的版本反复组合时，会创建非常有趣的模式。下表显示了基本的源模式（左），以及使用各种组合方法将该模式与较小版本的模式进行组合

平均值（1/n）-这只是所使用的所有刻度的平均值，“n”是刻度的总数。因此，如果有6个刻度，每个刻度贡献最终值的16%（1/6）

差异-使用每个比例的颜色值之间的差异作为最终纹理颜色

加权和（1/2^n）加权和与平均值非常相似，只是较大的刻度有更多的权重。随着“n”的增加，该比例的贡献减小。最小的刻度（n的最大值）的影响最小。这种方法是最常见的，并且通常是视觉上最令人愉悦的

4%阈值-这是加权和的一个版本，其中低于48%的灰度值变为黑色，高于52%的灰度值变为白色

让我们使用平均值和检查器函数。您正在平均多次重复的不同图像，在其示例中为6个，但在以下示例中为3个：

因此，输出图像的每个像素是来自其他图像的像素值的平均值。您可以拥有任意数量的这些图像，并且它们的构建方式始终相同：级别

n

的图像由4个平铺组成，这4个平铺是级别

n-1

的图像大小的四分之一。然后，从所有这些图片中，应用上述函数中的一个，只得到一个

现在清楚了吗？然而，通常很难给出定义每个图像的函数

f

。然而，即使伪码和数学中的1个输出（

y=f（x1，x2，.xn）

）存在

n

输入（

x

s），也定义了“复合”函数：

• 平均值（1/n）-对于

  n

  级别，

  最终_像素[x][y]=图像_i[x][y]/n从1到n的i之和

• 差异-对于

  n

  级别，

  最终像素[x][y]=图像从2到n到n的i之和[x][y]-图像\u i-1[x][y]

  --对此不完全确定

• 加权和（1/2^n）-对于

  n

  级别，

  final_像素[x][y]=图像从1到n的i的和[x][y]/（2**n）

• 4%阈值-对于

  n

  级别

value=图像i[x][y]/（2**n）从1到n的i之和
如果值/最大值>0.52，则最终像素[x][y]=白色
否则，如果值/最大值<.48，则最终像素[x][y]=黑色；
else final_像素[x][y]=值

其中，

2**n

是n的幂的2

value = sum for i from 1 to n of image_i[x][y]/(2**n)
if value/max_value > .52 then final_pixel[x][y]=white 
else if value/max_value < .48 then final_pixel[x][y]=black;
else final_pixel[x][y]=value