最佳的图像缩小算法是什么（质量方面）？

我想找出哪种算法最适合用于缩小光栅图片。最好，我的意思是给出最佳外观的产品。我知道双三次，但是还有更好的东西吗？例如，我从某些人那里听说Adobe Lightroom具有某种专有算法，该算法比我使用的标准双三次方产生更好的结果。不幸的是，我想在自己的软件中自己使用该算法，因此Adobe谨慎保护的商业机密将无法实现。

添加：

我检出了Paint.NET，令我惊讶的是，缩小图片时，超级采样比双三次采样更好。这让我想知道插值算法是否完全可行。

这也让我想起了自己“发明”但从未实现的算法。我想它也有一个名字（因为这个琐碎的东西不能仅凭我一个主意），但是我在流行的名字中找不到它。超级采样是最接近的一种。

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，要获得目标像素的颜色，只需简单地计算这些颜色的平均值，然后将它们的面积添加为“权重”。因此，如果目标像素覆盖黄色源像素的1/3和绿色源像素的1/4，我将得到（1/3 *黄色+ 1/4 *绿色）/（1/3 + 1/4）。

这自然会占用大量计算资源，但应尽可能接近理想值，不是吗？

这个算法有名字吗？

不幸的是，我找不到与原始调查的链接，但是随着好莱坞摄影师从电影到数字图像的转变，这个问题浮出水面，所以有人（也许是SMPTE，也许是ASC）聚集了一大批专业摄影师并向他们展示了镜头使用一系列不同的算法进行了重新缩放。结果是，对于这些观看大型电影的专业人士而言，共识是Mitchell（也称为高品质Catmull-Rom）是放大效果最好的，sinc是缩小效果最好的。但是，sinc是一个理论滤波器，会变为无穷大，因此无法完全实现，因此我不知道它们实际上对“ sinc”的含义。它可能是指Sinc的截短版本。兰佐斯是Sinc的几种实用变体之一，它试图在截断后进行改进，并且可能是缩小静态图像的最佳默认选择。但是，通常情况下，它取决于图像和所需内容：例如，缩小线条图以保留线条是一种情况，在这种情况下，您可能更希望保留在缩小花朵照片时不受欢迎的边缘。

在剑桥的Color中，有一个很好的例子说明了各种算法的结果。

在乡亲fxguide放在一起了很多资料上缩放算法，这是值得考虑看看（用约合成等图像处理很多其他的东西一起）。它们还包括测试图像，这些图像可能对您进行自己的测试有用。

现在，如果您真的想使用ImageMagick，则可以获取有关重新采样滤镜的详尽指南。

具有讽刺意味的是，关于缩小图像还有更多争议，从理论上讲，这是可以完美实现的，因为您只丢掉信息，而不是在放大时尝试添加不符合要求的信息。不存在。但从Lanczos开始。

有兰克泽斯采样比双三次慢，但产生更高质量的图像。

当缩小比例小于1/2时，（双）线性和（双）三次重采样不仅难看，而且非常不正确。它们将导致非常糟糕的混叠，类似于如果您向下缩水1/2倍，然后使用最近邻居向下取样，您将得到的混叠效果很差。

就个人而言，我建议对大多数下采样任务进行（区域）平均采样。它非常简单，快速且接近最佳。高斯重采样（选择的半径与因子的倒数成正比，例如，将下采样的半径5乘以1/5）可能会产生更好的结果，但计算开销会更大，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，只要您选择适合重采样因子的半径，它就可以在上采样和下采样中正常工作（不会引入伪像/混叠）。否则，要同时支持两个方向，您需要两个单独的算法-下采样的面积平均（上采样将降级为最近邻），以及上采样的（双）立方（下采样将降为最近邻）。从数学上看到高斯重采样的这一良好特性的一种方法是，半径很大的高斯近似面积平均，半径很小的高斯近似（双）线性插值。

不久前，我在Slashdot上看到了一篇有关缝缝的文章，可能值得研究。

接缝雕刻是Shai Avidan和Ariel Shamir开发的图像调整大小算法。该算法不通过缩放或裁剪来更改图像的尺寸，而是通过从重要性不高的图像中智能删除像素（或向其中添加像素）来更改图像的尺寸。

您描述的算法称为线性插值，是最快的算法之一，但在图像上并不是最好的算法。

这个算法有名字吗？

在文献中可能将其称为“框”或“窗口”重采样。您实际上认为它的计算成本更低。

它还可以用于创建中间位图，随后该位图将由双三次插值使用，以避免在降频采样率超过1/2时发生混叠。

如果有人感兴趣，这是我的面积平均缩放算法的C ++实现：

void area_averaging_image_scale(uint32_t *dst, int dst_width, int dst_height, const uint32_t *src, int src_width, int src_height)
{
    // 1. Scale horizontally (src -> mid)
    int mid_width  = dst_width,
        mid_height = src_height;
    float src_width_div_by_mid_width = float(src_width) / mid_width;
    float mid_width_div_by_src_width = 1.f / src_width_div_by_mid_width;
    std::vector<uint32_t> mid(mid_width * mid_height);
    for (int y=0; y<mid_height; y++)
        for (int x=0; x<mid_width; x++)
            for (int c=0; c<4; c++) {
                float f = x * src_width_div_by_mid_width;
                int i = int(f);
                float d = ((uint8_t*)&src[i + y*src_width])[c] * (float(i) + 1 - f);
                float end = f + src_width_div_by_mid_width;
                int endi = int(end);
                if (end - float(endi) > 1e-4f) {
                    assert(endi < src_width);
                    d += ((uint8_t*)&src[endi + y*src_width])[c] * (end - float(endi));
                }
                for (i++; i < endi; i++)
                    d += ((uint8_t*)&src[i + y*src_width])[c];
                int r = int(d * mid_width_div_by_src_width + 0.5f);
                assert(r <= 255);
                ((uint8_t*)&mid[x + y*mid_width])[c] = r;
            }

    // 2. Scale vertically (mid -> dst)
    float mid_height_div_by_dst_height = float(mid_height) / dst_height;
    float dst_height_div_by_mid_height = 1.f / mid_height_div_by_dst_height;
    for (int y=0; y<dst_height; y++)
        for (int x=0; x<dst_width; x++)
            for (int c=0; c<4; c++) {
                float f = y * mid_height_div_by_dst_height;
                int i = int(f);
                float d = ((uint8_t*)&mid[x + i*mid_width])[c] * (float(i) + 1 - f);
                float end = f + mid_height_div_by_dst_height;
                int endi = int(end);
                if (end - float(endi) > 1e-4f) {
                    assert(endi < mid_height);
                    d += ((uint8_t*)&mid[x + endi*mid_width])[c] * (end - float(endi));
                }
                for (i++; i < endi; i++)
                    d += ((uint8_t*)&mid[x + i*mid_width])[c];
                int r = int(d * dst_height_div_by_mid_height + 0.5f);
                assert(r <= 255);
                ((uint8_t*)&dst[x + y*dst_width])[c] = r;
            }
}