高性能图像放大算法——hqx算法

亦凉 2022-05-23 04:21 350阅读 0赞

# 1. 介绍 #

hqx（“hq” 代表 “high quality”；“x” 代表放大倍数）算法准确来说是hqnx算法，  
是Maxim Stepin开发的[Pixel-art scaling algorithms][]算法之一。hqx有三个滤波器：hq2x、hq3x和hq4x，其放大倍数分别为2、3和4。

先来看下使用最邻近插值算法得到的放大结果：  
![这里写图片描述][70]  
然后再看看使用hq3x算法进行放大之后得到的结果：  
![这里写图片描述][70 1]  
可以看到图像的锯齿情况有了很明显的改善。

# 2. 算法思想 #

首先，将源像素周围的8个像素中的每个像素的颜色与源像素的颜色进行比较。通过根据阈值检查颜色相似的像素来检测形状。这就给出了 2 8 = 256 2^8=256 28=256种相似或不同邻居的组合。为了将单个像素扩展为2×2、3×3或4×4像素块，在包含必要插值模式的预定义表中查找邻域排列。

*  1） 第一步：是对源像素的3x3区域进行分析。首先，我们计算中心像素与其8个最近邻之间的色差。然后将这种差异与预定义的阈值进行比较，并将这些像素分为两类：“关闭”和“远”颜色。有8个邻居，所以我们得到256个可能的组合。
 *  2）下一步：是过滤，使用包含256个条目的查找表，每个近邻/远距离有色邻居组合一个条目。每个条目描述如何混合3x3区域的源像素的颜色，以获得滤波图像的内插像素。
 *  3）目前的实现是利用YUV颜色空间来计算色差，对Y(亮度)分量具有更大的容限，然后对颜色分量U和V进行颜色空间转换，如果源图像的格式为每像素16位，则使用简单的查找表即可实现颜色空间转换。还可以使用MMX指令计算色差并将它们与阈值进行比较。
 *  4）创建查找表是最困难的部分是：对于每个组合，必须确定区域的最可能的矢量表示，在图像的不同颜色区域之间的边缘的想法被保留，边缘方向接近于正确的一个PO。斯泰尔然后使用反走样将该矢量表示以更高的（3x）分辨率光栅化，并且结果被存储在查找表中
 *  5）过滤器不是为照片设计的，而是为清晰的边缘图像设计的，比如线条图形或卡通精灵。它还被设计成足够快，可以实时处理256x256图像。

# 3. 实现 #

由于它的代码比较长，这里就不直接贴出来了，可以去我的资源页查找下载，后续审核通过会贴出链接。

**2020.12.14更新：**  
由于原来的demo在CSDN没有审核通过，需要demo的请私信并留下邮箱地址，或者参考下面的资源：

1.  [google code hqx][]
2.  [libxbr-standalone][]

**2018.6.4更新：**  
工程代码demo下载地址：[链接][Link 1]

[Pixel-art scaling algorithms]: https://en.wikipedia.org/wiki/Pixel-art_scaling_algorithms
[70]: /images/20220523/42214834367c406cb1f6e5a407de5586.png
[70 1]: /images/20220523/b121e4d1da12448ba75d2a300ca001d8.png
[google code hqx]: https://code.google.com/archive/p/hqx/
[libxbr-standalone]: https://github.com/Treeki/libxbr-standalone
[Link 1]: https://download.csdn.net/download/m_buddy/10453314