Algorithmus zum Aussortieren von Pixeln in einer grafischen Datenansicht?

Question

Ich schreibe ein wxpython-Widget, das den Zustand mehrerer Objekte im Laufe der Zeit (x Zyklen) zeigt. Im Moment arbeite ich mit 1 Pixel/Zyklus und zoome rein und wieder raus auf 1: 1; aber ich möchte das Herauszoomen erlauben. Ich wollte sehen, ob es irgendwelche Go-to-Algorithmen gibt, um Daten wegzudämmern/zu kombinieren, bevor ich anfing, meine eigenen zu rollen, indem ich nur meine eigenen schwachen Heuristiken benutzte. Gibt es einen solchen Algo, oder sollte ich einfach anfangen, meine eigene Lösung zu programmieren?

Answer 1

Es hängt viel davon ab, welche Art von Bildern Sie in der Größe ändern. Siehe The myth of infinite detail: Bilinear vs. Bicubic und Better Image Resizing von unserem eigenen Jeff! Dort können Sie die Ergebnisse von naiven nächsten Nachbarn, bilinear filtering, bicubic filtering, bicubic sharper und genuine fractals vergleichen.

Jeff Fazit:

Reduzierung Bilder ist ein absolut sicheres und rationelles Arbeiten. Sie sind einfach Verringerung der Genauigkeit und Auflösung von Informationen zu verwerfen. Machen Sie das Bild so klein wie Sie wollen, und Sie haben vollständige Treue-- innerhalb der Grenzen der Anzahl der Pixel, die Sie haben A> llowed. Sie erhalten gute Ergebnisse keine egal welchen Algorithmus Sie wählen. (Na ja, es sei denn Sie das Schiff Pixel Resize oder Nearest Neighbor Algorithmen wählen.)

Vergrößern Bilder ist riskant. Beyond a bestimmten Punkt, Bilder zu vergrößern ist ein Narrens Besorgnis; Sie können nicht magisch s> inhesize eine unendliche Anzahl von neuen Pixel aus der Luft. Und interpolierte Pixel sind nie so gut als echte Pixel. Deshalb ist es mehr als ein wenig künstlich, um das 512x512 Lena Bild um 500% zu vergrößern. Es wäre smarter, um eine höhere Auflösung zu finden Scan oder Bild von was auch immer Sie brauchen * als wäre es zu upsize es in Software.

Aber wenn man nicht vermeiden kann ein Bild zu vergrößern, das ist, wenn es sich lohnt, die Abwägungen zwischen bikubisch zu wissen, bilinear, und erweiterte Redimensionierung Algorithmen. Mindestens bewaffnen Sie sich mit genug Wissen, um die besten der schlechten Optionen auszuwählen, die Sie haben.