Вам нужно использовать фильтр нижних частот перед уменьшением размера изображения?

Очевидно, бикубическая пиксельная интерполяция хороша для увеличения или уменьшения изображения (в реальном времени или нет).

Рекомендуется ли использовать фильтр нижних частот перед уменьшением размера, или же бикубическая выборка решает проблемы наложения имен вообще?

texture

— Алан Вульф
источник

Я немного озадачен вашим предположением ... чем качественно отличается фильтр нижних частот от понижающей дискретизации? Я имею в виду, что алгоритмы разные и все, но они оба собирают сэмплы из соседних пикселей и подавляют высокие частоты. Большая разница в разрешении результирующего изображения, в противном случае две операции изоморфны. Похоже, применение обоих является излишним.

— Хорхе Родригес

Ну вот что меня смущает. Я знаю, что вы не можете просто уменьшить изображение, не получив псевдонимов. Бикубическая интерполяция пикселей при увеличении изображения работает очень хорошо и выглядит красиво. Делать то же самое при уменьшении изображения SEEMS для приличной работы, но я не был уверен, что в результате получится много псевдонимов. Мне было интересно, если технически, вам нужно было бы сделать какой-то фильтр нижних частот на изображении перед выполнением бикубической выборки, или если бикубическая выборка была достаточно хороша на практике? Я мог видеть, что это был своего рода фильтр низких частот сам по себе, может быть.

— Алан Вульф

Эта статья Митчелла-Нетравали, о которой я упоминал в другом вопросе, конкретно посвящена этой идее - он обобщил кубики, а затем нашел параметры, которые псевдоним наименьший. Это не означает, что они вообще не имеют псевдонимов, но, возможно, это укажет вам, какой куб использовать, чтобы минимизировать алиасы.

— Хорхе Родригес

Если проход понижающей дискретизации спроектирован правильно, он будет эффективно выполнять фильтрацию нижних частот как часть понижающей дискретизации. Нет необходимости в отдельной операции фильтра нижних частот.

По сути, когда вы производите понижающую дискретизацию, вы выполняете фильтр по пикселям исходного изображения (с высоким разрешением), но оцениваете его только в местах расположения пикселей назначения (с низким разрешением). Занимаемая площадь этого фильтра должна быть приблизительно равна расстоянию между целевыми пикселями, чтобы избежать пропуска информации путем пропуска промежуточных исходных пикселей. Но это означает, что занимаемая площадь фильтра будет составлять несколько пикселей источника, поэтому он будет эффективно пропускать источник.

Например, предположим, что вы уменьшаете изображение ровно в 10 раз по каждой оси. С помощью блочного фильтра (например, ради) вы должны установить для каждого целевого пикселя среднее значение для блока 10х10 исходных пикселей. Это уничтожило бы любые функции, меньшие чем 10px, так что это фильтр низких частот.

Вы упоминаете бикубическую интерполяцию; Здесь мы должны различать фильтрацию и интерполяцию. Интерполяция подходит для повышающей дискретизации, а не понижающей. Бикубическая интерполяция работает путем подгонки бикубического сплайн-патча к окрестности пикселей 4x4, затем оценивая патч в интерполированных точках. Хотя он может работать достаточно хорошо для понижения частоты дискретизации с небольшим коэффициентом (до 2х или около того), он потерпит неудачу, если вы пойдете гораздо дальше. Например, если уменьшить частоту дискретизации в 10 раз, как в предыдущем примере, вы можете увидеть, что бикубический поток пропустит большинство исходных пикселей, и результат может быть весьма псевдонимом.

С другой стороны, бикубическая фильтрация - это просто стандартная фильтрация, использующая ядро, являющееся бикубической функцией (в противоположность ядру box, треугольника, гауссова, ланцоша и т. Д.). Ядро Митчелла-Нетравали является классическим примером этого типа. Если используется для понижающей дискретизации, ядро должно иметь соответствующий размер для расстояния между целевыми пикселями, как обсуждалось ранее, и вы должны суммировать по всем пикселям в занимаемой зоне, а не только по 4х4 или другому соседству фиксированного размера.

— Натан Рид
источник