Aparentemente, la interpolación de píxeles bicúbicos es buena para ampliar o reducir una imagen (en tiempo real o no).
Sin embargo, ¿se recomienda usar un filtro de paso bajo antes de reducir el tamaño, o el muestreo bicúbico maneja los problemas de alias?
Respuestas:
Si el paso de disminución de resolución está diseñado correctamente, realizará efectivamente un filtrado de paso bajo como parte de la disminución de resolución. No hay necesidad de una operación de filtro de paso bajo separada.
Esencialmente, cuando disminuye la muestra, está realizando un filtro sobre los píxeles de la imagen de origen (alta resolución), pero solo lo evalúa en las ubicaciones de los píxeles de destino (baja resolución). La huella de este filtro debe ser aproximadamente el espacio entre los píxeles de destino, para evitar la falta de información saltando los píxeles de origen. Pero eso significa que la huella del filtro tendrá varios píxeles de origen de ancho, por lo que efectivamente pasará la fuente.
Por ejemplo, supongamos que reduce la imagen de una imagen exactamente 10x en cada eje. Con un filtro de cuadro (por ejemplo), establecería cada píxel de destino en el promedio de un cuadro de 10x10 píxeles de origen. Eso eliminaría cualquier característica menor a 10px, por lo que es efectivamente un filtro de paso bajo.
Usted menciona la interpolación bicúbica; Tenemos que hacer una distinción entre filtrado e interpolación aquí. La interpolación es apropiada para el muestreo ascendente, no para el muestreo descendente. La interpolación bicúbica funciona ajustando un parche de spline bicúbico a una vecindad de píxeles 4x4, luego evaluando el parche en puntos interpolados. Si bien puede funcionar lo suficientemente bien para reducir las imágenes por un pequeño factor (hasta 2 veces más o menos), fallará si va mucho más allá. Por ejemplo, si la disminución de muestreo es 10x como en el ejemplo anterior, puede ver que bicubic perderá la mayoría de los píxeles de origen y el resultado puede ser bastante confuso.
Por otro lado, el filtrado bicúbico es solo un filtrado estándar, que utiliza un núcleo que es una función bicúbica (a diferencia de un núcleo de caja, triángulo, gaussiano, Lanczos, etc.). El núcleo Mitchell-Netravali es el ejemplo clásico de este tipo. Si se usa para reducir el muestreo, el núcleo debe tener el tamaño apropiado para el espacio de píxeles de destino como se discutió anteriormente, y sumaría todos los píxeles en la huella, no solo un 4x4 u otro vecindario de tamaño fijo.
fuente