是否有任何算法，例如，考虑相邻像素以确定每个像素的更好估计？

那基本上是一个低通滤波器。

所以，是的，它存在，并且是常用的。

如果您使用例如旧的计算机图形精灵并将其缩放为高分辨率图像，您可以很好地看到这一点：

原始（32 x 32 像素）

无插值过滤器缩放（512 px）

由一个简单的线性插值滤波器（512 px）缩放

虽然简单缩放的图像具有与原始图像一样多的离散颜色，但线性插值图像具有更多颜色，并且直方图看起来更加“连续”。

但：

通常没有免费的午餐。您不能只添加颜色信息！（顺便说一句，无法添加丢失的信息是信息论的基本真理之一）。你必须牺牲空间分辨率。从本质上讲，这与海森堡不确定性原理的数学原理相同。您可以拥有某物的完美信息状态（像素的颜色、电子的脉冲）或它的位置（图像中的锐边、电子位置的知识）。看这个例子：

原始照片

原始 (512 x 512px) 减少到 16 色

过滤以获得更连续的颜色直方图，考虑到半径为 10px

我建议使用更复杂的空间过滤器 - 即双边过滤器，以尽量减少对边界的损害。

可能比普通的低通滤波器更好：

https://github.com/kornelski/undither

我无法从接受的答案中获得示例图片，但其网站上的示例图片看起来很有希望。