colors - 对像素化算法背后的理论有帮助吗？

Question

假设我有一个要“像素化”的图像。我想要由100 x 100正方形的网格表示的清晰图像。因此，如果原始照片为500像素X 500像素，则每个正方形为5像素X 5像素。因此，每个正方形的颜色都对应于它交换成的5 px X 5 px像素组。

如何确定一种最能代表其覆盖范围的颜色是什么？我是否只对25个像素取每个的R G和B值并取平均值？还是我应该知道其他一些晦涩的方法？像在Photoshop中一样，通常在“像素化”功能中使用什么？

Answer 1

如果您想了解像素化的“理论”，请阅读重采样(尤其是下采样)。像素化算法只是简单地对图像进行降采样(使用某种降​​采样方法)，然后使用nearest-neighbour interpolation对其进行升采样。请注意，在代码中，这两个步骤可以融合为一个步骤。

通常，对于下采样，要将图像下采样n倍，首先要通过适当的低通滤波器对图像进行滤波，然后每n个采样一次。可以使用的“理想”过滤器是sinc filter，但是由于实现它的问题，Lanczos filter通常被用作替代方案。

但是，对于像素化的几乎所有目的，使用简单的box blur应该可以正常工作，并且实现起来非常简单。这只是附近像素的平均值。

如果不需要更改图像的输出大小，则意味着将图像划分为k×k像素的块(生成的大像素)，然后将每个块中的所有像素替换为平均值该块中的像素数。