Atitit 图像处理Depixelizing Pixel Art像素风格画的矢量化

Atitit  图像处理Depixelizing Pixel Art像素风格画的矢量化

 

 

在去年的时候，偶然看到hqx算法。

一个高质量的插值放大算法。

与双线性插值等插值算法相比，这个算法放大后对人眼保护相对比较好。

没有双线性插值看起来模糊，固然，也抽空把算法简单优化了一下。

常规的图像填充采样放大

        ”经典“的图像填充采样放大，应用线性滤波器，或导出于分析插值理论、或导出于信号处理理论。使用滤波器的实例，比如“最近邻,Bicubic和Lancosz [ Wolberg 1990 ]。这些滤波器并不对原始数据做任何假定，唯一的条件就是带宽限制。结果，图片经这种处理之后，突变亮点和明显的边界都变得模糊。

        最近十年，许多复杂的算法问世，并对原始输入图片做了强假定，比如，假定讨论自然图片统计[Fattal 2007]或者自相似性[Glasneret al.2009]。这些方法都超出了本文的论点。然而，在多数情形，这些(自然的)图片并不包含颜色量化的微型像素图片。因此，这些方法在这些图形输入处理上往往表现很差。

 

1、最临近点插值算法(Nearest Neighbor)

最邻近点插值算法是最简单也是速度最快的一种算法，其做法是將放大后未知的像素点P，將其位置换算到原始影像上，与原始的邻近的4周像素点A,B,C,D做比较，令P点的像素值等于最靠近的邻近点像素值即可。如上图中的P点，由于最接近D点，所以就直接取P=D。

这种方法会带来明显的失真。在A,B中点处的像素值会突然出现一个跳跃，这就是出现马赛克和锯齿等明显走样的原因。最临近插值法唯一的优点就是速度快。
 

2、双线性插值算法(Bilinear Interpolation)

其做法是將放大后未知的像素点P，將其位置换算到原始影像上，计算的四個像素点A,B,C,D对P