Je tente de comprendre la réduction d'échelle. Je peux voir comment les algorithmes d'interpolation tels que le bicubique et le plus proche voisin peuvent être utilisés lors de l'upscaling, pour "remplir les blancs" entre les anciens points connus (pixels, dans le cas d'images).Algorithmes d'interpolation lors de la réduction d'échelle
Mais le downscaling? Je ne peux pas voir comment toute technique d'interpolation peut être utilisée là-bas. Il n'y a pas de blanc à remplir! Je suis coincé avec cela depuis longtemps, donnez-moi un coup de pouce dans la bonne direction. Comment interpolez-vous lorsque vous supprimez des données connues?
Édition: Supposons que nous ayons une image unidimensionnelle, avec un canal de couleur par point. Un algorithme downscale redimensionnant 6 à 3 points par valeur de pixel moyenne ressemble à ceci: 1,2,3,4,5,6 = (1 + 2)/2, (3 + 4)/2, (5 + 6)/2 Suis-je sur la bonne voie ici? Cette interpolation dans la réduction d'échelle est-elle préférable à la simple suppression des données?
Votre modification a l'idée correcte. 1,2,3,4,5,6 -> 1,5, 3,5, 5,5. Un autre exemple est 6,0,6,0,6,0 -> 3, 3, 3; ce qui est mieux que 0,0,0 ou 6,6,6. – tom10