非整数因子图像重采样的FIR滤波器设计与卷积实现问询

嘿，这个问题问到点子上了——非整数倍的图像缩放（不管是上采样还是下采样）确实比整数倍要灵活但也更考验对采样理论的理解，我来一步步给你掰明白：

一、先理清1.5倍下采样的本质 #

首先得明确：1.5倍下采样其实是把图像缩小到原尺寸的 2/3（比如原宽300px，缩小后变成200px）。对应采样率转换的话，就是输出采样率是输入的 2/3，转换因子为 ( M/N = 2/3 )（M是输出采样数，N是输入采样数）。这时候的核心需求是：既要通过插值计算出非整数位置的像素值，又要滤除下采样带来的混叠信号——而FIR滤波器刚好能同时承担这两个角色。

二、针对三次插值的FIR滤波器构建 #

你提到的三次插值本身就对应一个固定的FIR核，最常用的是Catmull-Rom三次核（兼顾平滑和边缘保留），它的系数是基于浮点距离计算的：

• 对于输出像素对应的原图像浮点坐标 ( x )，取其周围4个整数位置的像素（比如 ( x_0, x_1, x_2, x_3 )），每个像素的权重由核函数决定：

  当 |d| < 1 时，权重 = 0.5*(2d³ - 3d² + 1)
  当 1 ≤ |d| < 2 时，权重 = 0.5*(-d³ + 5d² -8d +4)
  当 |d| ≥2 时，权重 = 0
  

  这里的 ( d ) 是浮点坐标到每个整数像素位置的距离。

如果需要自定义FIR滤波器（比如追求更好的抗混叠性能），可以按以下步骤设计：

1. 确定截止频率：为了避免下采样混叠，滤波器的截止频率必须低于输出采样率的Nyquist频率——也就是原采样率的 ( 1/3 )（因为输出采样率是原采样率的2/3，Nyquist就是原采样率的1/3）。
2. 选择设计方法：用窗函数法（汉宁窗、布莱克曼窗）快速生成，或者用Parks-McClellan等波纹法设计更精准的滤波器，滤波器长度根据你需要的精度和计算量权衡（长度越长，精度越高但速度越慢）。

三、不做零填充的卷积实现 #

当然可以不用零填充！零填充只是边界处理的一种方式，但它会导致边缘出现黑边或者模糊。你可以用这些更友好的边界处理方式替代：

• 镜像填充：把边缘像素镜像复制，比如图像左边界外的像素等于左边界的镜像像素（原x=-1对应x=1，x=-2对应x=2）
• 重复填充：直接复制最边缘的像素，比如x=-1对应x=0，x=W对应x=W-1（W是图像宽度）
• 截断处理：如果对边缘精度要求不高，直接忽略超出范围的滤波器系数（但会有轻微边缘失真）

具体操作时，不需要对整个图像做全局填充，而是针对每个输出像素的邻域动态处理：当计算某个输出点时，检查其周围需要的输入像素是否超出图像范围，超出的部分用上述方式补充即可，这样既避免了零填充的弊端，又减少了不必要的计算。

四、额外优化：多相滤波器提速 #

如果处理大尺寸图像，逐个点计算可能比较慢，可以用多相FIR滤波器结构优化：把滤波器分解成多个子滤波器，直接针对输入采样进行分组计算，避免冗余的插值操作，能大幅提升计算效率，这也是工业界处理非整数采样的常用方法。

内容的提问来源于stack exchange，提问作者Pedro Pereira