大家都知道，黑白圖像是0,1二值的，縮小顯示的時候由於n個點轉化成1個點會導致圖像局部細節信息丟失，比如一條寬度一個象素的細線由於縮小可能就會沒有顯示，而使用灰度級顯示正是能解決這個縮小顯示的問題，Windows自帶的Eastman Software提供的的圖像處理可以在你縮小黑白圖片的時候使用灰度級來顯示，下面我們就來深入研究一下這個算法是如何實現的吧。
基本約定：
1． 灰度級縮小顯示只正對黑白或者灰度影像，經過算法變換可用於彩色影像
2． 只有在顯示<100%的時候灰度級顯示才生效
3． 灰度級縮小算法是基於原始圖像來運算
具體算法：
1． 縮小算法
按照與原圖比例1：n來對原圖nXn個點生成1個點（n可以是浮點數），考慮到效率可以使用灰度級變換，從0-255 取中間點127大於該值顯示白小於改值顯示黑色。<?XML:namespace prefix = o ns = "urn:schemas-microsoft-com:office:Office" />
2． 灰度級顯示算法
結合縮小算法nXn個點生成一個點的原則，在原圖上按照每個點的權值和顏色相乘再除以n來得到生成點的顏色值。
例如：
a1 a2 a3 a4 a5 a6 a7 a8 a9 a10
|-----|---*-|-----|-*---|-----|*----|-----*-----|-----|-----|
|---------|---------|----------|----------|----------|---------|--
b1 b2 b3 b4 b5 b6
經過變換後
b1 = (1.0*a1+0.8*a2)/1.8
b2 = (0.2*a2+a3+0.6*a3)/1.8
……
這是一維坐標，擴展到二維空間算法相同。
具體實現方法：
1． 計算出縮小後的位圖點陣大小(nXm)
比如原圖100X100，縮放90%之後就是90X90點陣
2． 循環點陣，為每個點的顏色賦值
賦值方法取相關點顏色乘以相應權值累加除以權值和
<?XML:namespace prefix = v ns = "urn:schemas-microsoft-com:vml" />
原圖
縮放為66.6%
計算每點值
Delphi代碼如下
var
i,j:integer;
tmpColorR,tmpColorG,tmpColorB:dWord;
x,y:integer;
ScaleRate,ScaleRateX,ScaleRateY:real;
begin
//combobox1.text為縮放%
ScaleRate:=100/strtoFloatDef(combobox1.text,100);
//循環生成圖像的點陣
for i:=0 to trunc(image1.Picture.Width/ScaleRate) do
for j:=0 to trunc(image1.Picture.height/ScaleRate) do
begin
tmpColorR:=0;
tmpColorG:=0;
tmpColorB:=0;
//為每個點累加相關節點的顏色
for x:=trunc(i*ScaleRate) to ceil(((i+1)*ScaleRate)-1) do
begin
for y:=trunc(j*ScaleRate) to ceil(((j+1)*ScaleRate)-1) do
begin
ScaleRateX:=Min(x+1,(i+1)*ScaleRate) - Max(x,i*ScaleRate);
ScaleRateY:=Min(y+1,(j+1)*ScaleRate) - Max(y,j*ScaleRate);
//取每個點的RGB值(如果是黑白或者灰度，只需要取得一位)
tmpColorR:=tmpColorR+trunc(ScaleRateX*ScaleRateY*(GetRValue(Image1.Canvas.Pixels[x,y])));
tmpColorG:=tmpColorG+trunc(ScaleRateX*ScaleRateY*(GetGValue(Image1.Canvas.Pixels[x,y])));
tmpColorB:=tmpColorB+trunc(ScaleRateX*ScaleRateY*(GetBValue(Image1.Canvas.Pixels[x,y])));
end;
end;
//為點賦值顏色
image2.Canvas.Pixels[i,j]:=RGB(trunc(tmpColorR/(ScaleRate*ScaleRate)),trunc(tmpColorG/(ScaleRate*ScaleRate)),trunc(tmpColorB/(ScaleRate*ScaleRate)));
end;
這個算法是我寫的第一版本，還有很多優化余地，比如如果是黑白圖像就不需要計算R G B，因為256級灰度全部是相同的
另外for循環中的表達式可能影像速度，還有用整數運算會比浮點快，等等。
