为什么超级采样不被广泛用于图像缩放？

Question

我寻找一个合适的图像缩放算法，并想知道为什么超级采样不像bicubic，bilinear甚至lanczos那样受欢迎。

通过超级采样我的意思是一种将源图像分成相等矩形的方法，每个矩形对应于目标图像中的一个像素。在我看来，这是最自然和准确的方法。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。据我所知，质量也非常高，与lanczos相当。

为什么流行的图像库（如GraphicsMagic，GD或PIL）没有实现此算法？我发现仅在英特尔IPP和AMD Framewave项目中实现。我知道至少有一个缺点：它只能用于降尺度，但是我错过了其他的东西吗？

为了进行比较，这是一个4.26倍缩小的图像。从左到右：GraphicsMagic Sinc滤镜（910ms），Framewave Super方法（350ms），GraphicsMagic三角滤镜（320ms）：

Answer 1

现在我知道了答案。因为pixel is not a little square。这就是为什么超级大小调整大小会给出别名结果的原因。这可以在样本图像上的薄水射流上看到。这不是致命的，超级采样可用于缩放到2x，3x等，以便在使用其他方法调整大小到精确尺寸之前大幅减小图片大小。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。

Answer 2

你有点误会（当说线性重新缩放错过像素时）。假设您将图像重新调整为最多因子2，则双线性插值会考虑源图像的所有像素。如果稍微平滑图像并使用双线性插值，则可以获得高质量的结果。对于大多数实际情况，甚至不需要进行双边插值。 由于双线性插值非常快（可以在定点计算中轻松执行），因此在处理实时处理时，它是迄今为止最佳的图像重新缩放算法。

如果你打算将图像缩小2倍以上，那么双线性插值在数学上是错误的，并且随着更大的因素，甚至双立方开始出错。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（但要求更高的CPU）。

你的问题的答案是速度考虑。 考虑到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的操作数量。例如 - 使用2GHZ CPU和1 [Gpix]图像尺寸，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，而是由速度考虑驱动。

关于超级采样的另一个问题 - 有时如果你在频域中这样做，它的效果要好得多。这称为频率插值。但是你不想仅仅为了重新缩放图像来计算FFT。

此外 - 我不知道你是否熟悉反投影。这是一种从目标到源而不是从源到目的地插入图像的方法。使用背投影可以将图像放大10倍，使用双线性插值并且在数学上仍然是正确的。

Answer 3

计算负担和增加的内存需求很可能是您正在寻找的答案。这就是为什么引入自适应超级采样，这会降低负担/内存需求和效率之间的关系。 我想即使对于今天的硬件来说，超级采样仍然太重了。

Answer 4

简短回答：他们是超级采样。我认为问题在于术语。

在您的示例中，您正缩小。这意味着抽取，而不是插值。如果不使用超采样，则抽取将产生混叠。我在你发布的图片中看不到别名。

sinc滤波器涉及超级采样。它特别适用于抽取，因为它特别切断了频率高于最终图像中可见的频率。从名称来看，我怀疑三角滤波器也是超级采样的一种形式。您显示的第二个图像模糊，但我看不到锯齿。所以我的猜测是它也使用某种形式的超级采样。

就个人而言，我一直对Adobe Photoshop感到困惑，当我缩放时，它会问我是否需要“bicubic”或“bilinear”。但是Bilinear，Bicubic和Lanczos是插值方法，而不是抽取方法。

我还可以告诉你，现代视频游戏也使用超级采样。 Mipmapping是通过以2的幂预先抽取单个图像来实时抽取的常用快捷方式。