如何选择swscale中的缩放算法

如何选择swscale中的缩放算法

个人建议
放大：
重视速度：fast_bilinear, point
重视质量：cubic, spline, lanczos
缩小：
重视速度：fast_bilinear, point
重视质量：gauss, bilinear
重视锐度：cubic, spline, lanczos
注意：使用定bit（而不是定量化器）编码时，稍模糊的输入可能反而比较为锐的输入在缩放后获得较好的结果，尤其在低码率时更是如此。
错误类型
ringing
在锐利的边缘有块状的波或噪点
糟糕的：sinc, lanczos (with high filter length)
可接受：lanczos (with low filter length), cubic, spline
优秀的：area, (fast)blinear, gauss, point
blur
细节丢失
糟糕的：gauss with high variance
可接受：(fast)bilinear, area
优秀的：others
aliasing (only downscale)
梯状的线条
细节丰富的区域看上去很糟
块状区域显示错误
糟糕的：fast bilinear, point, gauss with low variance
可接受：area
优秀的：others
blocky (upscale only)
图像产生了很多块效应
糟糕的：point
优秀的：others
sws 编号 / 名称 / 错误类型
r ringing
b blurry
a aliasing (downscale only)
m mosaic (blocky) (upscale only)
-sws 0 fast bilinear bA
-sws 1 bilinear b
-sws 2 bicubic high sharpness r
low sharpness b
-sws 3 experimental ????
-sws 4 nearest neighbour AM
-sws 5 area ba
-sws 6 luma bicubic / chroma bilinear r
-sws 7 gauss low sharpness B
high sharpness AM
-sws 8 sinc R
-sws 9 lanczos long filter R
short filter b
-sws 10 bicubic spline r

你说呢...