随着计算机技术的发展,以及数码设备的不断普及,人们可以轻易获取大量高精度的数字图像,这使得数字图像成为一种非常重要的数字媒体形式。在教育技术领域,数字图像在多媒体教学以及网络教学中的应用也日渐广泛。由于数字图像的精细程度变得越来越高,它所包含的数据量也越来越大,导致数字图像在存储和网络传输过程中存在一定的困难,这阻碍了数字媒体的使用以及传播。因此,可以通过对数字图像进行采样处理,减小数字图像的数据量,从而满足实际的需求。本文通过对已有的采样技术进行研究,提出了一种具有蓝噪声特性的非周期重要性采样技术。主要内容包括构造非周期铺砌、根据数字图像进行自适应细分和采样点集优化。本文的主要工作包括以下几个方面:1.提出了一种非周期铺砌生成算法。非周期铺砌作为一种特殊的铺砌,它具有极其强大的不规则性,因此很难找到一种通用的方法来构造非周期铺砌。本文通过研究Penrose Tiling和P型多米诺牌的构造,提出了一种快速生成非周期铺砌的算法。该算法首先确定生成非周期铺砌规则,然后根据生成规则对算法中包含的非周期多边形进行细分,并将所有的非周期多边形进行放大至原始大小。通过多次细分,就能够得到包含指定数目和大小的非周期铺砌。2.提出了一种基于非周期铺砌的数字图像重要性采样的算法。该算法首先能够根据数字图像的纹理特征对非周期铺砌进行细分,然后在细分之后产生的非周期图形中产生相应的采样点。该算法通过数字图像的纹理特征来控制铺砌图形的细分,使得算法能够适用于具有不同纹理特征的数字图像。同时,可以通过控制铺砌图形的细分程度,对产生的采样点的数量加以控制,从而获得不同精度的采样点集。3.对采样进行了降噪处理。在采样的过程中,会产生一定的噪声,影响了最终的效果。为了将采样时产生的相关噪声转化为不相关噪声,可以为每个采样点设置采样密度阈值来判断该采样点是否需要保留,从而滤除采样时产生的噪声。此外,采样点是在非周期多边形中固定位置产生的,由此产生的采样点集分布效果仍然不够理想,必须对采样点位置进行矫正,从而提高采样点空间分布的均衡性。