一、Android 尺寸壓縮邏輯

針對圖片尺寸的修改其實就是一個影象重新取樣的過程，放大影象稱為上取樣（upsamping），縮小影象稱為下采樣（downsampling），這裡我們重點討論下采樣。

在 Android 中圖片重取樣提供了兩種方法，一種叫做鄰近取樣（Nearest Neighbour Resampling），另一種叫做雙線性取樣（Bilinear Resampling）。

除了 Android 中這兩種常用的重取樣方法之外，還有另外比較常見的兩種：雙立方／雙三次取樣（Bicubic Resampling） 和 Lanczos Resampling。除此之外，還有一些其他個人或機構發明的演算法 Hermite Resampling

二、鄰近取樣（Nearest Neighbour Resampling）

Nearest Neighbour Resampling（鄰近取樣），是 Android 中常用的壓縮方法之一，我們先來看看在 Android 中使用鄰近取樣的示例程式碼：

BitmapFactory.Options options = new BitmapFactory.Options();
//或者 inDensity 搭配 inTargetDensity 使用，演算法和 inSampleSize 一樣
options.inSampleSize
 
 = 2;
Bitmap bitmap = BitmapFactory.decodeFile("/sdcard/test.png");
Bitmap compress = BitmapFactory.decodeFile("/sdcard/test.png", options);

來看看鄰近取樣的圖片效果：

原圖是每個畫素紅綠相間的圖片，可以看到處理之後的圖片已經完全變成了綠色，接著我們來看看 inSampleSzie 的官方描述：

If set to a value > 1, requests the decoder to subsample the original image, returning a smaller image to save memory. The sample size is the number of pixels in either dimension that correspond to a single pixel in the decoded bitmap. For example, inSampleSize == 4 returns an image that is 1/4 the width/height of the original, and 1/16 the number of pixels. Any value <= 1 is treated the same as 1. Note: the decoder uses a final value based on powers of 2, any other value will be rounded down to the nearest power of 2.

從官方的解釋中我們可以看到 x（x 為 2 的倍數）個畫素最後對應一個畫素，由於取樣率設定為 1/2，所以是兩個畫素生成一個畫素。鄰近取樣的方式比較粗暴，直接選擇其中的一個畫素作為生成畫素，另一個畫素直接拋棄，這樣就造成了圖片變成了純綠色，也就是紅色畫素被拋棄。

鄰近取樣採用的演算法叫做鄰近點插值演算法。

三、雙線性取樣（Bilinear Resampling）

雙線性取樣（Bilinear Resampling）在 Android 中的使用方式一般有兩種：

Bitmap bitmap = BitmapFactory.decodeFile("/sdcard/test.png");
Bitmap compress = Bitmap.createScaledBitmap(bitmap, bitmap.getWidth()/2, bitmap.getHeight()/2, true);

或者直接使用 matrix 進行縮放

Bitmap bitmap = BitmapFactory.decodeFile("/sdcard/test.png");
Matrix matrix = new Matrix();
matrix.setScale(0.5f, 0.5f);
bm = Bitmap.createBitmap(bitmap, 0, 0, bit.getWidth(), bit.getHeight(), matrix, true);

看原始碼可以知道 createScaledBitmap 函式最終也是使用第二種方式的 matrix 進行縮放，我們來看看雙線性取樣的表現：

可以看到處理之後的圖片不是像鄰近取樣一樣純粹的一種顏色，而是兩種顏色的混合。雙線性取樣使用的是雙線性內插值演算法，這個演算法不像鄰近點插值演算法一樣，直接粗暴的選擇一個畫素，而是參考了源畫素相應位置周圍 2x2 個點的值，根據相對位置取對應的權重，經過計算之後得到目標影象。

雙線性內插值演算法在影象的縮放處理中具有抗鋸齒功能, 是最簡單和常見的影象縮放演算法，當對相鄰 2x2 個畫素點採用雙線性內插值演算法時，所得表面在鄰域處是吻合的，但斜率不吻合，並且雙線性內插值演算法的平滑作用可能使得影象的細節產生退化，這種現象在上取樣時尤其明顯。

四、鄰近取樣和雙線性取樣對比

我們這裡來對比一下這兩種 Android 中經常用到的圖片尺寸壓縮方法。

鄰近取樣的方式是最快的，因為它直接選擇其中一個畫素作為生成畫素，但是生成的圖片可能會相對比較失真，產生比較明顯的鋸齒，最具有代表性的就是處理文字比較多的圖片在展示效果上的差別，對比：

原圖：

鄰近取樣：

雙線性取樣：

這個對比就非常直觀了，鄰近取樣字的顯示失真對比雙線性取樣來說要嚴重很多。

五、雙立方／雙三次取樣（Bicubic Resampling）

雙立方／雙三次取樣使用的是雙立方／雙三次插值演算法。鄰近點插值演算法的目標畫素值由源圖上單個畫素決定，雙線性內插值演算法由源畫素某點周圍 2x2 個畫素點按一定權重獲得，而雙立方／雙三次插值演算法更進一步參考了源畫素某點周圍 4x4 個畫素。

這個演算法在 Android 中並沒有原生支援，如果需要使用，可以通過手動編寫演算法或者引用第三方演算法庫，幸運的是這個演算法在 ffmpeg 中已經給到了支援，具體的實現在 libswscale/swscale.c 檔案中：FFmpeg Scaler Documentation。

雙立方/雙三次插值演算法經常用於影象或者視訊的縮放，它能比雙線性內插值演算法保留更好的細節質量。我們看看這個演算法的實際表現和與雙線性內插值演算法的下采樣對比：

原圖：

雙三次取樣：　

雙線性取樣：

就下采樣來說，兩者表現很相近，肉眼可見的差距不大，接下來比較一下這兩種演算法的上取樣實際表現：

原圖：

雙三次取樣：

雙線性取樣：

這兩種演算法的上取樣結果我們還是可以看見較為明顯的差距，雙立方/雙三次取樣的鋸齒是要小一些。

雙立方／雙三次插值演算法在平時的軟體中是很常用的一種圖片處理演算法，但是這個演算法有一個缺點就是計算量會相對比較大，是前三種演算法中計算量最大的，軟體 photoshop 中的圖片縮放功能使用的就是這個演算法。

六、Lanczos Resampling

Lanczos 取樣和 Lanczos 過濾是 Lanczos 演算法的兩種常見應用，它可以用作低通濾波器或者用於平滑地在取樣之間插入數字訊號，Lanczos 取樣一般用來增加數字訊號的取樣率，或者間隔取樣來降低取樣率。

Lanczos 取樣使用的 Lanczos 演算法也可以用來作為圖片的縮放，Lanczos 演算法和雙三次插值演算法都是使用卷積核來通過輸入畫素計算輸出畫素，只不過在演算法表現上稍有不同。關於卷積核的介紹，這裡給一張簡單的圖片幫助大家理解：

Lanczos 從演算法角度講理論上會比雙三次／雙立方插值演算法更好一點，先來看看它和雙三次／雙立方取樣的圖片下采樣對比：

原圖：

Lanczos 取樣：

雙三次取樣：

基本看不出差別，然後是這兩種演算法的上取樣對比：

原圖：

Lanczos 取樣：

雙三次取樣：

這兩種演算法的上下采樣結果從肉眼上看差距很小，但是從理論上來說 Lanczos 演算法處理出來的圖片應該是更加平滑少鋸齒的。

同樣的，Lanczos 演算法在 ffmpeg 的 libswscale/swscale.c 中也有實現。其實不光 Lanczos 和上面的三種演算法，ffmpeg 還提供了其他的影象重取樣方法，諸如 area averaging、Gaussian 等等，通過編譯好的 ffmpeg 庫呼叫這些演算法處理圖片的命令如下：

ffmpeg -s 600x500 -i input.jpg -s 300x250 -sws_flags lanczos lanczos.jpg

-sws_flags 引數根據取樣演算法可以選擇 bilinear/bicubic/lanczos 等等。

七、四種演算法對二值化圖片的處理表現

這四種圖片重取樣演算法在處理二值化圖片上面的表現差異較大，我們先看看下采樣的對比：

原圖：

鄰近取樣：

雙線性取樣：

雙三次取樣：

Lanczos 取樣：

下采樣的對比一目瞭然，從上到下的影象表現效果逐漸變優，Lanczos 演算法處理後的影象質量屬於最優，接著我們看看這四種演算法的上取樣對比：

原圖：

鄰近取樣：

雙線性取樣：

雙三次取樣：

Lanczos 取樣：

從影象質量上來看，和下采樣結果一致，鄰近取樣效果較差，依次往下效果變優，Lanczos 效果最優。

八、總結

上面主要介紹了常見的四種影象重取樣演算法，在 Android 中，前兩種取樣方法根據實際情況去選擇即可，如果對時間要求不高，傾向於使用雙線性取樣去縮放圖片。如果對圖片質量要求很高，雙線性取樣也已經無法滿足要求，則可以考慮引入另外幾種演算法去處理圖片，但是同時需要注意的是後面兩種演算法使用的都是卷積核去計算生成畫素，計算量會相對比較大，Lanczos 的計算量則是最大，在實際開發過程中根據需求進行演算法的選擇即可。

九、參考