Algorithm 什么是最好的图像缩小算法（质量方面）？

我想找出哪种算法是最好的，可以用来缩小光栅图片。我说的“最佳”是指能产生最佳效果的。我知道双三次曲线，但还有更好的吗？例如，我从一些人那里听说Adobe Lightroom有某种专有算法，它比我使用的标准双三次曲线产生更好的结果。不幸的是，我想自己在我的软件中使用这个算法，所以Adobe谨慎保护的商业秘密是不行的

增加：

我查看了Paint.NET，令我惊讶的是，在缩小图片尺寸时，超级采样似乎比双三次采样更好。这让我想知道插值算法是否是一种可行的方法

这也让我想起了我自己“发明”的一个算法，但从未实现过。我想它也有一个名字（因为这种琐碎的东西不可能是我一个人的想法），但我在流行的名字中找不到它。超级抽样是最接近的一种

这个想法是这样的——对于目标图片中的每个像素，计算它在源图片中的位置。它可能会覆盖一个或多个其他像素。然后可以计算这些像素的面积和颜色。然后，要得到目标像素的颜色，只需计算这些颜色的平均值，将它们的面积相加为“权重”。因此，如果目标像素覆盖1/3的黄色源像素和1/4的绿色源像素，我会得到（1/3*黄色+1/4*绿色）/（1/3+1/4）

这自然需要大量计算，但它应该尽可能接近理想值，不是吗

---

这个算法有名字吗？

有一个比双三次算法慢，但能生成更高质量的图像。

我刚才看到一篇关于Slashdot的文章，它可能值得一看

接缝雕刻是一种图像大小调整 Shai Avidan和 阿里尔·沙米尔。这个算法改变了 图像的尺寸不是由 缩放或裁剪，而是通过 智能地从（或 将像素添加到）带有 不重要

---

您描述的算法称为线性插值，是速度最快的算法之一，但在图像上不是最好的。

（双）线性和（双）立方重采样不仅难看，而且在按小于1/2的因子缩小时错误得可怕。它们将导致非常糟糕的混叠，类似于如果按1/2的因子进行向下扫描，然后使用最近邻向下采样所得到的混叠

就我个人而言，我建议对大多数下采样任务使用（面积）平均样本。它非常简单、快速且接近最优。高斯重采样（选择与因子倒数成比例的半径，例如，半径5用于向下采样1/5）可能会在计算开销稍大的情况下提供更好的结果，并且在数学上更合理

---

使用高斯重采样的一个可能原因是，与大多数其他算法不同，它对上采样和下采样都能正常工作（不会引入伪影/锯齿），只要您选择适合重采样因子的半径。否则，为了支持两个方向，您需要两个单独的算法-面积平均用于下采样（这将降级为最近邻用于上采样），以及类似（双）立方的算法用于上采样（这将降级为最近邻用于下采样）。从数学上看高斯重采样的一个好特性是，半径非常大的高斯近似面积平均，半径非常小的高斯近似（双）线性插值。

不幸的是，我找不到原始调查的链接，但随着好莱坞电影摄影师从电影转向数字图像，这个问题出现了很多，因此有人（可能是SMPTE，可能是ASC）召集了一群专业摄影师，向他们展示了使用一系列不同算法重新缩放的镜头。结果是，对于这些观看大型电影的专业人士来说，一致认为Mitchell（也称为高质量的Catmull Rom）最适合放大，而sinc最适合缩小。但是sinc是一个理论上的滤波器，它会无限大，因此无法完全实现，所以我不知道他们所说的“sinc”到底是什么意思。它可能指的是sinc的截断版本Lanczos是sinc的几种实用变体之一，它试图改进只是截断它，并且可能是缩小静态图像的最佳默认选择。但通常情况下，这取决于图像和所需内容：例如，缩小线条以保留线条是一种情况，在这种情况下，您可能更喜欢强调保留边缘，而这在缩小花朵照片时是不受欢迎的

目前有一个很好的例子，说明了各种算法的结果

fxguide的同事们一起研究了缩放算法（以及许多其他关于合成和其他图像处理的东西），值得一看。它们还包括在您自己进行测试时可能有用的测试图像

现在，如果你真的想进入ImageMagick，它有一个

具有讽刺意味的是，关于缩小图像的争议比关于放大的争议更大，从理论上讲，这是一件可以完美完成的事情，因为你只是在扔掉信息，而不是试图添加不存在的信息。但从兰佐开始

这个算法有名字吗

在文献中，它可能被称为“盒子”或“窗口”重采样。 实际上，它的计算成本比你想象的要低

它还可用于创建一个中间位图，该位图随后由双立方插值使用，以避免在向下采样超过1/2时出现锯齿。

如果有人感兴趣，h