特定の種類の画像に最適なリサンプリングアルゴリズムを決定するにはどうすればよいですか？

この質問を読んで、考え始めました。最適なリサンプリングソリューションをどのように正確に判断できますか？基本的な方法が何をするかという概念は、いくぶんあいまいではあるが。

さまざまな種類の画像に適した一般的なルールはありますか？たとえば、写真用のリサンプリングアルゴリズムの特定のセットとWebグラフィックス用の別のセットを使用していますか？画像の全体的な色、被写体と背景のコントラストなどが影響しますか？

Cambridge in Colorには、画像のサイズ変更のテーマを扱う非常に有益な一連のチュートリアルがあります。

1. 画像補間については、画像補間の背後にある基本的な理論について説明します。
2. Webおよび電子メールの画像サイズ変更では、画像のサイズ縮小と注意すべき落とし穴を扱います。
3. デジタル写真の拡大の最適化は、同様に画像の拡大をカバーします。

最後のチュートリアルは特に便利です。一般的な補間アルゴリズムの表と、アンチエイリアシング、ブラー、エッジハローに関する各アルゴリズムのトレードオフを視覚化するのに役立つ図があります。

直接的な答えは、最終的にはそうではないということです。非常に多くの場合、好みの問題になります。特定の画像のサイズ変更されたバージョンを見る3人は、どれが最適かについて3つの異なる意見を持っているかもしれません。あなたができる最善のことは、あなたが重要だと思う画像の特徴を選び出し、それに基づいて方法を選ぶことです。

たとえば、最も近い隣人は、ライン上の鋭いエッジを維持するのに非常に良い仕事をします-ほとんどの補間方法よりもずっとそうです。同時に、「滑らか」に見えるもの（青空など）に適用すると、エッジのように見えるアーティファクトを生成できます。

逆もまた真です。補間は勾配を滑らかにするのに役立ちますが、鋭いエッジを「滑らかにする」傾向があります。行き過ぎると、細かい部分を完全に消してしまう可能性があります。

より良い方法のほとんどは、ある程度適応できます。かなり単純化して、元のデータに含まれる勾配の「シャープ」を推定し、元のデータに存在するほぼ同じレベルの滑らかさ/シャープネスを維持しようとします。適応は通常、画像をブロック単位でスキャンし、ブロックごとに適応を適用することで行われます。

たとえば、澄んだ青い空のある風景と多くの細かいディテール（枝、葉など）がある木がある場合、空よりも枝に適用されるスムージングの方がはるかに少なくなります。

ただし、勾配を推定するさまざまな方法がありますが、どれも完璧ではなく、さまざまなサイズのウィンドウがあり、どの方法もすべての画像に理想的ではありません。そのため、適応アルゴリズム間でもかなりの差が生じる余地があります。

このサイト（画像拡大方法の比較）は、さまざまな補間方法を比較するのに適しています。また、ツール（SAR Image Processor、バージョン4.3）をダウンロードすると、実際に品質の違いを測定できます。

これは良いガイドのようですが、どのアルゴリズムがどのタイプの画像に適しているかという質問には答えません。

以下は、さまざまな補間アルゴリズムのテスト結果の抜粋です。図の著作権はgeneral-cathexis.comです。