针对图片尺寸的修改其实就是一个图像重新采样的过程，放大图像称为上采样（upsamping），缩小图像称为下采样（downsampling），这里我们重点讨论下采样。

 

    在 Android 中图片重采样提供了两种方法，一种叫做邻近采样（Nearest Neighbour Resampling），另一种叫做双线性采样（Bilinear Resampling）。

 

    除了 Android 中这两种常用的重采样方法之外，还有另外比较常见的两种：双立方／双三次采样（Bicubic Resampling） 和 Lanczos Resampling。除此之外，还有一些其他个人或机构发明的算法 Hermite Resampling，Bell Resampling，Mitchell Resampling。我们这里着重介绍前面提到的四种采样方法。

 

 

    Nearest Neighbour Resampling（邻近采样），是 Android 中常用的压缩方法之一，我们先来看看在 Android 中使用邻近采样的示例代码：
 

 

    来看看邻近采样的图片效果：
 

 

    图是每个像素红绿相间的图片，可以看到处理之后的图片已经完全变成了绿色，接着我们来看看 inSampleSzie 的官方描述：
 

   

    从官方的解释中我们可以看到 x（x 为 2 的倍数）个像素最后对应一个像素，由于采样率设置为 1/2，所以是两个像素生成一个像素。邻近采样的方式比较粗暴，直接选择其中的一个像素作为生成像素，另一个像素直接抛弃，这样就造成了图片变成了纯绿色，也就是红色像素被抛弃。

 

    邻近采样采用的算法叫做邻近点插值算法。

 

 

    双线性采样（Bilinear Resampling）在 Android 中的使用方式一般有两种：
 

 

    看源码可以知道 createScaledBitmap 函数最终也是使用第二种方式的 matrix 进行缩放，我们来看看双线性采样的表现：

 

  

    可以看到处理之后的图片不是像邻近采样一样纯粹的一种颜色，而是两种颜色的混合。双线性采样使用的是双线性內插值算法，这个算法不像邻近点插值算法一样，直接粗暴的选择一个像素，而是参考了源像素相应位置周围 2x2 个点的值，根据相对位置取对应的权重，经过计算之后得到目标图像。

 

    双线性内插值算法在图像的缩放处理中具有抗锯齿功能， 是最简单和常见的图像缩放算法，当对相邻 2x2 个像素点采用双线性內插值算法时，所得表面在邻域处是吻合的，但斜率不吻合，并且双线性内插值算法的平滑作用可能使得图像的细节产生退化，这种现象在上采样时尤其明显。

 

 

    我们这里来对比一下这两种 Android 中经常用到的图片尺寸压缩方法。

 

    邻近采样的方式是最快的，因为它直接选择其中一个像素作为生成像素，但是生成的图片可能会相对比较失真，产生比较明显的锯齿，最具有代表性的就是处理文字比较多的图片在展示效果上的差别，对比：

 

    原图：

 

 

    邻近采样：

 

 

    双线性采样：

 

 

    这个对比就非常直观了，邻近采样字的显示失真对比双线性采样来说要严重很多。

 

 

    双立方／双三次采样使用的是双立方／双三次插值算法。邻近点插值算法的目标像素值由源图上单个像素决定，双线性內插值算法由源像素某点周围 2x2 个像素点按一定权重获得，而双立方／双三次插值算法更进一步参考了源像素某点周围 4x4 个像素。