|
|
@@ -1024,5 +1024,46 @@ $\alpha_{\text{final}} = \alpha_{\text{global}} \times \alpha_{\text{pixel}}$
|
|
|
|
|
|
|
|
|
|
|
|
+### 图片的简单缩放
|
|
|
+
|
|
|
+1. Nearest Neighbor (最近邻插值)
|
|
|
+ - 原理：选择最靠近目标像素位置的源像素值
|
|
|
+ - 优点：计算简单，速度快
|
|
|
+ - 缺点：图像质量较差，尤其在放大时容易出现明显的像素块效果，不适合高质量的图像缩放
|
|
|
+
|
|
|
+2. Bilinear Interpolation (双线性插值)
|
|
|
+ - 原理：基于目标像素四个最近邻点的加权平均，权重取决于距离
|
|
|
+ - 优点：相比最近邻插值，质量较好，能提供平滑的缩放效果
|
|
|
+ - 缺点：放大图像时可能出现模糊，计算量比最近邻插值大
|
|
|
+
|
|
|
+3. Bicubic Interpolation (双三次插值)
|
|
|
+ - 原理：使用16个相邻像素进行插值，提供比双线性插值更平滑的结果
|
|
|
+ - 优点：图像质量较好，边缘更平滑
|
|
|
+ - 缺点：计算量较大，相对较慢。可能会引入轻微的环形伪影
|
|
|
+
|
|
|
+4. Lanczos Resampling
|
|
|
+ - 原理：使用 sinc 函数的一个窗口化版本作为插值函数，常用窗口大小为3或5
|
|
|
+ - 优点：提供非常高的图像质量，尤其适合图像缩放
|
|
|
+ - 缺点：计算复杂度高，处理速度慢。对于特定类型的图像数据可能会产生振铃效应
|
|
|
+
|
|
|
+5. Fourier Transform Method
|
|
|
+ - 原理：通过对图像进行傅立叶变换，编辑频域数据后进行逆变换
|
|
|
+ - 优点：理论上可以在频域内进行完美的缩放
|
|
|
+ - 缺点：实际应用复杂，需要处理边缘效应。处理速度慢，不适合实时应用
|
|
|
+6. Area Sampling
|
|
|
+ - 原理：考虑图像缩放过程中像素覆盖的区域，平均这些区域的颜色值
|
|
|
+ - 优点：能够更好地保持图像的总体亮度，尤其适用于缩小图像
|
|
|
+ - 缺点：实现相对复杂，计算量较大
|
|
|
+7. Pyramid Reduction
|
|
|
+ - 原理：逐步缩小图像，每次减少一定比例，直到达到目标大小
|
|
|
+ - 优点：对于大幅度缩小的情况，可以提供较好的结果
|
|
|
+ - 缺点：需要多步处理，可能导致计算量大增
|
|
|
+
|
|
|
+以**最近邻插值**为例，对于目标图像中的每个像素点，根据缩放比例计算它在原始图像中的对应坐标。如果目标图像比原始图像大，这通常涉及到一个除法操作；如果目标图像更小，则涉及到乘法操作
|
|
|
+
|
|
|
+
|
|
|
+
|
|
|
+如上图所示，蓝色为原始像素，绿色为计算后的像素。也就是说这里是一个缩小图片的计算过程，
|
|
|
+
|
|
|
## 图形学状态机接口封装
|
|
|
|
nicetry12138
