如果将原始像素概念化为宽度为 n,则像素的中心距任一边缘为 n/2。
可以假设像素中心的这个点定义了颜色。
如果您正在下采样,您可以从概念上这样考虑:即使您正在减小物理尺寸,而是认为您正在保持相同的尺寸,但减少了像素数(从概念上讲,像素的尺寸正在增加)。然后就可以算一算了...
示例:假设您的图像高 1 像素,宽 3 像素,并且您只会水平缩小。假设您要将其更改为 2 像素宽。现在原始图像是 3n,您将其转换为 2 个像素,因此每个新像素将占用原始图像像素的 (3/2)。
不要再考虑中心了……新像素的中心在 (3/4)n 和 (9/4)n [即 (3/4) + (3/2)]。原始像素的中心位于 (1/2)n、(3/2)n 和 (5/2)n。因此,每个中心都位于我们可以找到原始像素中心的位置之间——没有一个与原始像素的中心匹配。让我们看看 (3/4)n 处的第一个像素 - 它距原始第一个像素 (1/4)n,距原始第二个像素 (3/4)n。
如果我们想保持平滑的图像,请使用反比关系:取第一个像素的颜色值的 (3/4) + 第二个像素的颜色值的 (1/4),因为新的像素中心,从概念上讲,将更接近第一个原始像素中心(n/4 距离)而不是第二个(3n/4 距离)。
因此,不必真正丢弃数据 - 只需从其邻居计算适当的比率(在总图像的物理尺寸不变的概念空间中)。这是一个平均而不是严格的跳过/丢弃。
在 2d 图像中,比率计算起来更复杂,但要点是相同的。插值,并从最接近的原始“邻居”中提取更多值。如果下采样不是非常严重,则生成的图像应该看起来与原始图像非常相似。