다운 스케일링을 이해하려고 시도 중입니다. 바이 큐빅 (Bicubic)과 가장 가까운 이웃과 같은 보간 알고리즘을 업 스케일링 할 때 오래된, 알려진 점 (픽셀의 경우 이미지) 사이의 "빈칸 채우기"에 사용할 수있는 방법을 알 수 있습니다.다운 스케일링시 보간 알고리즘
하지만 축소? 어떤 보간 기술이 어떻게 사용될 수 있는지 나는 볼 수 없다. 채울 공백이 없습니다!
필자는 오래 동안 이걸 고집했습니다. 올바른 방향으로 움직였습니다. 사실, 알려진 데이터를 제거 할 때 어떻게 보간합니까?
편집 : 포인트 당 하나의 색상 채널이있는 1 차원 이미지가 있다고 가정합니다. 1,2,3,4,5,6 = (1 + 2)/2, (3 + 4)/2, (5 + 6) 등이 평균 픽셀 값에 의해 6에서 3 포인트 스케일링되는 축소 알고리즘입니다./2 나는 올바른 길을 가고 있는가? 이 보간법은 데이터를 버리는 것보다 크기를 줄이는 것입니까?
수정 사항이 올바른 아이디어입니다. 1,2,3,4,5,6 -> 1.5, 3.5, 5.5. 또 다른 예는 6,0,6,0,6,0 -> 3, 3, 3입니다. 0,0,0 또는 6,6,6보다 좋습니다. – tom10