[討論] 影像 downsampling 縮減取樣

[Marlee (馬力)]

我GOOGLE了很久都找不到答案所以上來問問大家

在做影像downsampling的時候，我找到的方法大都是用內插法

例如:最鄰近內插法(Nearest Neighbor Interpolation; NN)、雙線性內插法(Bilinear

Interpolation)與雙立方迴旋內插法(Bicubic interpolation

幾乎所有的範例都是在講upsampling的，沒有人舉downsampling的例子

想請問一下再用內插法downsampling的時候，這三種方法會有差嗎?

實際用MATLAB做是有差，同樣一張影像，分別用這三種方法downsampling 0.5倍

再分別用SURF萃取特徵點並與原影像作特徵匹配

結果是(數量差不多):

        特徵點數量:  NN > Bilinear > Bicubic
        匹配完的數量: Bicubic > Bilinear > NN

可是我看網路上的文章，不懂差在哪裡(downsampling的時候)

想請問這三種方法在downsampling的時候的優缺點

還有，一般來說downsampling後再做特徵萃取，可以加速運算的時間

但是特徵點會變很少，因為資訊量下降，很理所當然

我想問有沒有甚麼方法，downsampling後，影像品質還是很好

特徵點不會變太少


--
※ 發信站: 批踢踢實業坊(ptt.cc) 
◆ From: 118.171.99.123
→ YoursEver:downsampling需的的是prefiltering,非interpolation.
推 doom8199:假設一張 gray image [1, 5, 10, 200]
→ doom8199:若要拿一個數字代表全體，怎麼表示都會很差
→ doom8199:downsample 容易發生 alasing effect
→ doom8199:影像品質好壞也都是 case by case
→ doom8199:例如一張全白影像，你怎麼做 DS, quality 還是一樣好
→ doom8199:但對於高頻成分居多的 texture, 再好 DS alg.
→ doom8199:資訊量都會被破壞很多
→ doom8199:綜合上述，原po該想的是如何善加利用高頻data 算feature
→ doom8199:如何不浪費過多運算資源在低頻成分上
→ doom8199:而非做 DS 將資訊通通破壞,只為了節省運算時間
→ YoursEver:原po想做的可能是加速; 靠coarse-to-fine的架構就好.