高性能图像放大算法——hqx算法

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：

然后再看看使用hq3x算法进行放大之后得到的结果：

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 28=256 2 8 = 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。
2018.6.4更新：
工程代码demo下载地址：链接