使用哪种算法将 32 位 RGB 图像按比例缩小到自定义分辨率？算法应该平均像素。
例如，如果我有 100x100 的图像并且我想要大小为 20x50 的新图像。第一个源行的前五个像素的平均值将给出目标的第一个像素，第一源列的前两个像素的平均值将给出第一个目标列的像素。
目前我所做的是首先缩小 X 分辨率，然后缩小 Y 分辨率。在这个方法中我需要一个临时缓冲区。
有没有你知道的优化方法？
【问题讨论】：
标签： algorithm image-processing image-scaling
您要查找的术语是“重采样”。在您的情况下，您需要图像重采样。您似乎已经在进行线性插值，这应该是最快的。这里有 6 种基本算法。如果您真的想深入研究该主题，请查看“重采样内核”。
【讨论】：
在您进行标准 C 优化（指针算术、定点数学等...）之后 还有一些更聪明的优化。 （非常）很久以前，我看到了一个缩放器实现，它首先缩放了 X 方向。在写出水平缩放图像的过程中，它在内存中将图像旋转了 90 度。这样做是为了在读取 Y 方向刻度时，内存中的数据会更好地缓存对齐。
这种技术在很大程度上取决于它将运行的处理器。
【讨论】：
这会平均适当的像素。
w_ratio = src.w / dest.w
h_ratio = src.h / dest.h
dest[x,y] =
AVG( src[x * w_ratio + xi, y * h_ratio + yi] )
where
xi in range (0, w_ratio - 1), inc by 1
yi in range (0, h_ratio - 1), inc by 1
对于边界条件，做一个单独的循环（没有 if's in loop）。
这是一个更像 C 的代码：
src 和 dest 是位图：
* 像素属性 src[x,y]
* 宽度的属性 src.w
* 高度的属性 src.h
像素已被定义，因此
添加
p1 = p1 + p2
is same as
p1.r = p1.r + p2.r
p1.g = p1.g + p2.g
...
部门
p1 = p1 / c
p1.r = p1.r / c
p1.g = p1.g / c
用常数 0 计算
p1 = 0
p1.r = 0
p1.g = 0
...
为了简单起见，我不会考虑像素分量整数溢出时的问题...
float w_ratio = src.w / dest.w;
float h_ratio = src.h / dest.h;
int w_ratio_i = floor(w_ratio);
int h_ratio_i = floor(h_ratio);
wxh = w_ratio*h_ratio;
for (y = 0; y < dest.w; y++)
for (x = 0; x < dest.h; x++){
pixel temp = 0;
int srcx, srcy;
// we have to use here the floating point value w_ratio, h_ratio
// otherwise towards the end it can get a little wrong
// this multiplication can be optimized similarly to Bresenham's line
srcx = floor(x * w_ratio);
srcy = floor(y * h_ratio);
// here we use floored value otherwise it might overflow src bitmap
for(yi = 0; yi < h_ratio_i; yi++)
for(xi = 0; xi < w_ratio_i; xi++)
temp += src[srcx + xi, srcy + yi];
dest[x,y] = temp / wxh;
}
【讨论】：
您忘记提及问题中最重要的方面：您对质量的关注程度。如果您不关心源像素的值是如何被拼凑在一起以创建目标像素的，那么最快（至少在几乎所有情况下）产生最差质量的像素。
如果您想以“仍然产生非常好的质量的最快算法”作为回应，那么您基本上已经涵盖了仅处理图像采样/调整大小的整个算法领域。
您已经概述了您对该算法的初步想法：
前五个像素的平均值 源行将给出第一个像素 目的地，
计算源像素上每个通道的平均值可能被视为微不足道，您是否正在寻找执行此操作的示例代码？
或者您是否正在寻找一个人来挑战您的算法初稿以更快的速度？
【讨论】：
如果您正在寻找冗长的解释，我发现 this article 会很有帮助。另一方面，如果你更多地处理数学公式，有一种快速图像缩小的方法解释了here。
【讨论】：
这确实是速度/质量的权衡。
首先，你是正确的，做一个维度然后另一个维度比它必须的要慢。太多的内存读写。
您最大的选择是是否支持小数像素。您的示例是 100x100 到 20x50。所以 10 像素映射到 1。如果你要从 100x100 到 21x49 怎么办？您愿意在源像素边界处进行操作，还是想要将小数像素拉入？ 100x100 到 99x99 你会怎么做？
您必须先告诉我们您愿意接受什么，然后我们才能说出什么是最快的。
并告诉我们收缩的可能极端情况。源和目的地之间的差异可能有多少个数量级？在某些时候，对源内的代表性像素进行采样不会比平均所有像素差多少。但是你必须小心选择有代表性的像素，否则你会得到许多常见模式的锯齿。
【讨论】：
你在做什么是优化的方法。唯一更快的称为最近邻，您只需抓住范围的中间像素而不尝试对其中任何一个进行平均。如果原始图像中有任何细节，则质量会明显变差，但如果原始图像简单，则可能可以接受。
【讨论】：