大家都知道，黑白图像是0,1二值的，缩小显示的时候由于n个点转化成1个点会导致图像局部细节信息丢失，比如一条宽度一个象素的细线由于缩小可能就会没有显示，而使用灰度级显示正是能解决这个缩小显示的问题，Windows自带的Eastman Software提供的的图像处理可以在你缩小黑白图片的时候使用灰度级来显示，下面我们就来深入研究一下这个算法是如何实现的吧。
基本约定：
1． 灰度级缩小显示只正对黑白或者灰度影像，经过算法变换可用于彩色影像
2． 只有在显示100%的时候灰度级显示才生效
3． 灰度级缩小算法是基于原始图像来运算
具体算法：
1． 缩小算法
按照与原图比例1：n来对原图nXn个点生成1个点（n可以是浮点数），考虑到效率可以使用灰度级变换，从0-255 取中间点127大于该值显示白小于改值显示黑色。？xml:namespace prefix = o ns = "urn:schemas-microsoft-com:office:office" />
2． 灰度级显示算法
结合缩小算法nXn个点生成一个点的原则，在原图上按照每个点的权值和颜色相乘再除以n来得到生成点的颜色值。
例如：
a1 a2 a3 a4 a5 a6 a7 a8 a9 a10
|-----|---*-|-----|-*---|-----|*----|-----*-----|-----|-----|
|---------|---------|----------|----------|----------|---------|--
b1 b2 b3 b4 b5 b6
经过变换后
b1 = (1.0*a1+0.8*a2)/1.8
b2 = (0.2*a2+a3+0.6*a3)/1.8
……
这是一维坐标，扩展到二维空间算法相同。
具体实现方法：
1． 计算出缩小后的位图点阵大小(nXm)
比如原图100X100，缩放90%之后就是90X90点阵
2． 循环点阵，为每个点的颜色赋值
赋值方法取相关点颜色乘以相应权值累加除以权值和
？xml:namespace prefix = v ns = "urn:schemas-microsoft-com:vml" />
原图
缩放为66.6%
计算每点值
Delphi代码如下
var
i,j:integer;
tmpColorR,tmpColorG,tmpColorB:dWord;
x,y:integer;
ScaleRate,ScaleRateX,ScaleRateY:real;
begin
//combobox1.text为缩放%
ScaleRate:=100/strtoFloatDef(combobox1.text,100);
//循环生成图像的点阵
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;
//为每个点累加相关节点的颜色
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);
//取每个点的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;
//为点赋值颜色
image2.Canvas.Pixels[i,j]:=RGB(trunc(tmpColorR/(ScaleRate*ScaleRate)),trunc(tmpColorG/(ScaleRate*ScaleRate)),trunc(tmpColorB/(ScaleRate*ScaleRate)));
（本文来源于图老师网站，更多请访问https://m.tulaoshi.com/bianchengyuyan/） end;
这个算法是我写的第一版本，还有很多优化余地，比如如果是黑白图像就不需要计算R G B，因为256级灰度全部是相同的
另外for循环中的表达式可能影像速度，还有用整数运算会比浮点快，等等。
