1. 程式人生 > >PS縮放的插值的演算法!

PS縮放的插值的演算法!

1、什麼是差值?
插值方法(interpolation)是影象重新分佈畫素時所用的運算方法,也是決定中間值的一個數學過程。在重新取樣時,photoshop會使用多種複雜方法來保留原始影象的品質和細節。
“鄰近”的計算方法速度快但不精確,適用於需要保留硬邊緣的影象,如畫素圖的縮放。
“兩次線性”的插值方法用於中等品質的影象運算,速度較快。
“兩次立方”的插值方法可以使影象的邊緣得到最平滑的色調層次,但速度較慢。
“兩次立方(較平滑)”在兩次立方的基礎上,適用於放大影象。
“兩次立方(較銳利)”在兩次立方的基礎上,適用於影象的縮小,用以保留更多在重新取樣後的影象細節。
2、差值預設
影象的“插值”預設——執行“編輯>首選項>常規”,設定影象“插值”預設,設定完成後,影象使用“自由變換”命令放大或縮小,都使用預設的“插值”方式。
改變影象大小——執行“影象>影象大小”命令,在“影象大小”對話方塊中可以設定改變該影象大小時所用的“插值”方式。

什麼是插值?

  插值
(interpolation)是影象重新分佈畫素時所用的運算方法,也是決定中間值的一個數學過程。在重新取樣時,Photoshop會使用多種複雜方法來保留原始影象的品質和細節。

  Photoshop的“插值”有哪些演算法?

  我們如果想在Photoshop中改變影象大小,執行“影象>影象大小”命令,在“影象大小”對話方塊中可以設定改變該影象大小時所用的“插值”方式。

 



“重定影象畫素”後面的選項即是不同的插值演算法選項

  下面我們用一個例項來說明。

  下圖分別是跳跳虎原圖(注意這裡我們選用了一張畫素圖),以及採用不同插值演算法放大到原圖200%的效果。

 



採用不同插值演算法放大到原圖200%的效果

  “鄰近”的計算方法速度快但不精確,適用於需要保留硬邊緣的影象,如畫素圖的縮放。大家可以看到畫素圖的特徵保持得很好。
  “兩次線性”的插值方法用於中等品質的影象運算,速度較快。
  “兩次立方”的插值方法可以使影象的邊緣得到最平滑的色調層次,但速度較慢。
  “兩次立方(較平滑)”在兩次立方的基礎上,適用於放大影象。
  “兩次立方(較銳利)”在兩次立方的基礎上,適用於影象的縮小,用以保留更多在重新取樣後的影象細節。

  如果我們想對影象的“插值”選項進行預設,可以選擇Photoshop的選單“編輯>首選項>常規”,設定影象“插值”預設,

相關推薦

PS演算法

1、什麼是差值? 插值方法(interpolation)是影象重新分佈畫素時所用的運算方法,也是決定中間值的一個數學過程。在重新取樣時,photoshop會使用多種複雜方法來保留原始影象的品質和細節。 “鄰近”的計算方法速度快但不精確,適用於需要保留硬邊緣的影象,如畫素圖的縮放。 “兩次線性”的插值方法用於

影象——雙線性演算法

在數學上,雙線性插值是有兩個變數的插值函式的線性插值擴充套件,其核心思想是在兩個方向分別進行一次線性插值。如果選擇一個座標系統使得  的四個已知點座標分別為 (0, 0)、(0, 1)、(1, 0) 和 (1, 1),那麼插值公式就可以化簡為: 用矩陣運算來表示的話就

雙線性演算法進行影象及效能效果優化

一)轉自http://handspeaker.iteye.com/blog/1545126 最近在程式設計時用到了雙線性插值演算法,對影象進行縮放。網上有很多這方面的資料,介紹的也算明白。但是,這些文章只介紹了演算法,並沒有具體說怎麼實現以及怎麼實現最好,舉個例子,你可以按照網上文章的演算法自己寫一個雙線性

用線性演算法實現影象

  為了方便理解,先考慮一維情況下的線性插值  對於一個數列c,我們假設c[a]到c[a+1]之間是線性變化的  那麼對於浮點數x(a<=x<a+1),c(x)=c[a+1]*(x-a)+c[a]*(1+a-x);  這個好理解吧? 把這種插值方式擴充套件到二維情況  對於一個二維陣列c,我們假

影象幾何變換(、旋轉)中的演算法

轉載地址:http://blog.itpub.net/10752043/viewspace-996696/ 此篇文章講了在影象變換中基本的插值演算法(最臨近、雙線性和 三次卷積法) 實踐已證明,插值演算法對於縮放比例較小的情況是完全可以接受的,令人信服的。一般的,

jQuery圖片件-smartZoom使用

下載 地址 height 9.png 鼠標滾輪 html span logs 縮小 e-smart-zoom-jquery.js插件,下載地址及示例:https://github.com/e-smartdev/smartJQueryZoom 插件描述:通過將鼠標懸停在圖片

vue-draggable-resizable 拖拽

default () fault sel ali call ets bsp tor 安裝: npm install --save vue-draggable-resizable 使用: <template> <div style="height: 5

Python 實現牛頓演算法

  匯入標頭檔案 import matplotlib.pyplot as plt from pylab import mpl import numpy as np import pandas as pd import math %matplotlib inline 得到差商表函

Bayer模型的顏色演算法

        影象採集的功能一般用CCD和CMOS感測器來實現。但是這兩種影象感測器在一個畫素上只能採集 RGB顏色的一個分量,為了獲得最佳的影象效果,需要3個影象感測器分別採集不同的顏色分量,但考慮 到產品的成本及設計複雜度,通常的數字成像裝置用一

影象演算法的原理及C++實現

簡介: 在影象的處理過程中,經常需要對影象進行尺寸變換、旋轉或者扭曲等操作,在進行這些操作之後,原影象的尺寸往往就發生了改變,為了保持變換後的影象不失真,就需要對影象進行插值。 常見的插值方法有最近鄰插值和雙線性插值。 最近鄰插值: 最近鄰插值是最簡單的一種插值方式,

最臨近和雙線性內演算法實現比較

影象縮放顧名思義,就是把原影象按照目標尺寸放大或者縮小,是影象處理的一種。自然,影象縮放的核心也就是怎麼樣根據已知影象計算目標影象的各點畫素值。最簡單的是最臨近插值演算法,這種演算法就是根據原影象和目標影象的尺寸,計算縮放的比例,然後根據縮放比例計算目標畫素所依據的原畫素,過

三次樣條演算法的C++實現

標頭檔案: /* * Copyright (c) 2008-2011 Zhang Ming (M. Zhang), [email protected] * * This program is free software; you can redistri

影象處理中兩種基本的演算法(最鄰近法和雙線性內法)

在影象的基本仿射變換中,經常會碰到經過旋轉、縮放後灰度值如何賦值的問題。因為變換之後,影象的座標位置有可能是小數,所以就需要插值演算法來確定到底將該畫素賦予哪個位置。 1、最鄰近插值法(Nearest Interpolation) 這是最簡單的一種插值方法,不需要計算。在待

拉格朗日演算法(附c++原始碼)

C++程式實現Lagrange插值公式     Lagrange插值公式,是屬於數值分析方面的內容。此處我想用C++語言程式來實現n各插值節點插值公式的求解,並求出在某一個插值節點對應的函式值。   對於Lagrange插值演算法的基本思想,在這裡我只想略提兩點,一個是拉格朗

opencv 學習--- 雙線性演算法原理簡述

***好記性不如爛筆頭*** 轉自: https://www.cnblogs.com/yssongest/p/5303151.html 1,原理   在影象的仿射變換中,很多地方需要用到插值運算,常見的插值運算包括最鄰近插值,雙線性插值,雙三次插值,蘭索思插值等方法,Op

OpenGL 實現Interpolation演算法

這是一個靜態插值演算法的效果,圖形學中插值演算法應用十分廣,如動畫,photoshop, autocAD等軟體畫曲線,還有shader中的漸變上色也是一個硬體支援的插值演算法。 Interpolation是很低層的演算法,在圖形學中可以說無處不在。 本程式通過設定兩個vec

最臨近、雙線性、三次卷積演算法比較

 //原文:http://blog.csdn.net/google0802/article/details/8938849 【我只是想把最近鄰這個弄過來╮(╯-╰)╭ 】 插值演算法對於縮放比例較小的情況是完全可以接受的,令人信服的。一般的,縮小0.5倍以上或放大3.

最近鄰演算法的c++實現(QT框架)

最近鄰插值演算法是用影象中已知的畫素點填充輸出影象,採用畫素複製和畫素抽樣,使原圖放大或者縮小若干倍。 假設原影象的寬度和高度分別為 和 ,縮放後的影象的寬度為 和 ,那麼寬度和高度的縮放比例分別為:

Matlab 演算法(最鄰近、雙線性、雙三次

1、最鄰近元法 這是最簡單的一種插值方法,不需要計算,在待求象素的四鄰象素中,將距離待求象素最近的鄰象素灰度賦給待求象素。設i+u, j+v(i, j為正整數, u, v為大於零小於1的小數,下同)為待求象素座標,則待求象素灰度的值 f(i+u, j+v) 如下圖所示:

雙線性演算法的詳細總結

       最近在做視訊拼接的專案,裡面用到了影象的單應性矩陣變換,在最後的影象重對映,由於目標影象的座標是非整數的,所以需要用到插值的方法,用的就是雙線性插值,下面的博文主要是查看了前輩的部落格對雙線性插值演算法原理進行了一個總結,在這裡也感謝一些大牛的博文。