Пряма відповідь полягає в тому, що в кінцевому рахунку ви цього не зробите. У надзвичайно багато випадків, це зводиться до питання смаку. Три людини, які переглядають зменшені версії певного зображення, можуть (і часто будуть) мати три різні думки щодо того, який із них найкращий. Щодо найкращого, що ви можете зробити - це вибрати особливості зображення, які ви вважаєте важливими, і виберіть метод, заснований на цьому.
Наприклад, найближчий сусід робить непогану роботу з підтримання гострих країв на лініях - набагато більше, ніж у більшості методів інтерполяції. У той же час, якщо застосовувати до речей, які повинні виглядати «гладкими» (наприклад, чисте блакитне небо), він може створювати артефакти, схожі на краї.
Вірно і зворотне: інтерполяція може допомогти згладити градієнти, але також має тенденцію «згладжувати» те, що має бути гострими краями. Якщо ви зайшли занадто далеко, тонкі деталі можна повністю витерти.
Більшість кращих методів певною мірою є адаптивними. Значно спрощуючи, вони оцінюють, наскільки "різкі" градієнти містять оригінальні дані та намагаються підтримувати приблизно той самий рівень гладкості / чіткості, який присутній в оригіналі. Адаптація, як правило, здійснюється шляхом сканування зображення в блоках і застосування адаптації на основі блоку.
Наприклад, якщо у вас краєвид з чистим блакитним небом і деревами з великою кількістю тонких деталей (гілок, листя тощо), він буде застосовуватись до гілок набагато менше, ніж до неба.
Однак існують різні способи оцінки градієнтів, жоден з яких не ідеальний, і різні розміри вікон, жоден з яких не ідеальний для всіх знімків. Це залишає можливість для великої різниці навіть між адаптивними алгоритмами.
