问题描述
我有2D数据，具有不同高度，不同间距的台阶。我想反转量化并重新创建原始表面的近似值。
Example of heavily stepped data,and desired smooth result
我不介意是否存在伪影并且形状变化，但是我确实希望在可能的情况下在整个表面上具有C1连续性，并且新的量化应该产生相同的步进数据（可能有点有损，但这是理想的选择） ）
我尝试了三次插值和高斯模糊。它们要么在本地产生太大影响，要么破坏原始文档中的细节。
理想情况下，无论是1像素宽的步长还是100像素的步长，都应产生一条直线。而大小不同的后续步骤应产生一条平滑，连续的线。
实际上，我想将其用作8位浮点转换器，以消除像127 ... 128这样的单个强度阶跃上的条带。如果值的变化幅度大于小公差（1？），则应将其保持为尖锐边缘
一个想法是分离出具有相同值的岛，限制其边界高度并放松内部。这将删除这些步骤，但边界仍然是具有不连续渐变的折痕。
扩展固定边界的想法-我可以在值和梯度上放松-同时在图像上将一组边界点的值保持固定。
我想知道是否有更好的角度来解决这个问题，或者是否有任何好的先前工作。
***更新 我尝试了双边平滑，但发现它在平滑半径与步长相差很大的区域中留下了伪像。尽管“双边关系”作为与范围无关的平滑计算的后处理很有用。
我尝试了反向mipmap方法-无效。
当前的最佳尝试是多方向二次方高度估计-加权质量投票决定要在每个像素上使用的最佳方向。
解决方法
当前的最佳尝试是多方向二次方高度估计-加权质量投票决定要在每个像素上使用的最佳方向。
速度慢，但结果不够好。主要伪像是在非常陡峭的边缘锐化。可以在升级版本上运行，然后再次降级为抗锯齿。
