※ 引述《VictorTom (鬼翼&娃娃魚)》之銘言： : 這個比例數學上都算得出來, 就可以代入雙線性內差法求值.... : 相對於總是取相臨四個點, 也有用二次函數取九個點的算法的樣子.... : 但是有一個最簡單的問題是, 只取臨近的幾個點的縮圖總是可能不夠.... : 所以另外一種平均法, 也可以把範圍內所有pixel都拿進來取平均.... : 同樣的example, 假如這次我要縮成2 x 1的大小.... : 01 02 03 04 05 06 07 08 : 03 04 05 06 07 08 09 10 把16個值都拿來取平均.... : 05 06 07 08 09 10 11 12 算出來的縮圖顯然會比只取四個還有鑑別性.... : 07 08 09 10 11 12 13 14 這個例子可能看不出來是因為我數字取得差.... : 取平均 取平均 : 那假如又不是剛剛好比例均等呢??(而且resize也不見得width和height比例要一樣) : 考倒我了, 事實上這種case在3D要fetch texel的話, 已經會換一層mipmap取了XD 做個補充 當我們要縮小某張影像時 就 signal processing 的角度來看，其實就是降低 sampling rate 而在做 resample 之前，必須先對原本的訊號做一次 low-pass filter 否則會因為 sampling rate 比 signal frequency 還低而產生 aliasing 這裡有一篇非常棒的教學文章 http://www.csie.ntu.edu.tw/~r89004/hive/mipmap/page_1.html 而這個 low-pass filter 其實有許多種做法 像是 VictorTom 板友說的，拿 16 個值來平均 (其實就是 box filter) 或是 mipmap (這其實是建立一系列的 low-frequency signal) 或是影像處理最常用的 gaussian filter 如果不是等比例的縮放 可以考慮依照縮放比例使用適當大小的 gaussian filter 來作為 low-pass filter 尤其當 x/y 縮放比例不同時，mipmap 可能就幫不上忙 (需要 anisotropic filtering) 但使用 gaussian filter 的情況下，只要在 x/y 方向上使用不同的σ即可 --

※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 59.115.150.194