各种插值算法的金字塔算法

原创 2007年10月11日 13:42:00

拉格朗日插值以线性插值为基础,利用层层递进的原理,先对点插值,然后是线,然后是三次多项式,...,最终插值出所需要的曲线.此曲线必过控制点,拉格朗日多项式的控制点数和多项式的次数成正比,当插值的点数很大时,多项式的次数也很高

//
功能: 幂运算
//
参数: base   基数
//        para    

//
返回: 运算结果
double power ( double base, int para )
{
    double tmp=1;
    int i=0;
    for ( i=0; i<para; ++i )
        tmp *= base;
    return tmp;
}

//
功能: 按照指定的精度,规范化数值
//
参数: value  要被规范化的数值
//         dec   
精度
//
返回: 规范化数值
//
说明: (2.456, 2 ) ==> 2.45
double Normalize ( double value, int dec )
{
    int tmp = value * power ( 10, dec );
    return tmp/power ( 10, dec );
}

//
说明:    根据阶数计算拉格朗日多项式,金字塔算法通式
//
参数:    num     多项式的阶数
//           t        
参数
//           PolynomialsValues    
生成的多项式系数
//
返回:    生成正确返回true,否则返回flase


bool LagrangePolynomials ( int num, double t, std::deque<double>& PolynomialsValues )
{
    double        parentL, parentR, delta, cPL, cPR, value;
    double        bakLeft, tCurLeft = 1, tCurRight = 0;
    int                i, j, oldLength;

    delta = 1.0/(num-1);
    PolynomialsValues.push_back ( 1 );
    //
开始计算, 分层进行插值
    for ( i=0; i<num-1; ++i ){
        bakLeft = tCurLeft;
        oldLength = PolynomialsValues.size();

        if ( oldLength == 1 )
            parentL = parentR = PolynomialsValues[0];
        else{
            parentL = PolynomialsValues[0];
            parentR = PolynomialsValues[1];
        }
        //
左边缘单独处理
        cPL = tCurLeft - tCurRight;
        value = Normalize( parentL * (tCurLeft-t) / cPL, 4 );
        PolynomialsValues.push_back ( value );
        //
处理中间部分
        tCurLeft += delta;
        for ( j=0; j<oldLength-1; ++j ){
            parentL = PolynomialsValues[j];
            parentR = PolynomialsValues[j+1];
            cPL = tCurLeft - delta - tCurRight;
            cPR = tCurLeft - tCurRight - delta;

            value = ((t-tCurRight)*parentL)/cPL + ((tCurLeft-t)*parentR)/cPR;
            PolynomialsValues.push_back ( Normalize( value, 4 ) );
            
            tCurLeft += delta;
            tCurRight += delta;
        }
        //
右边缘单独处理
        tCurLeft -= delta;
        cPR = tCurLeft - tCurRight;
        value = Normalize( parentR * (t - tCurRight) / cPR, 4 );
        PolynomialsValues.push_back ( value );
        
        //
删除上一行的内容
        PolynomialsValues.erase(PolynomialsValues.begin(), PolynomialsValues.begin()+oldLength );        

        //
改变左右系数
        tCurLeft = bakLeft - delta;
        tCurRight = 0;
    }
    
    return true;
}

 

bersteinlagrange间的差别很小,当利用lagrange进行线性插值时,每次使用的插值参数都是不同的,berstein则刚好 相反,berstein却不要求曲线必过控制点,所以berstein的多项式是逼近方法而不是插值方法,所以实现和lagrange的差不多,只是更简 单些:)
//
说明:    根据阶数计算berstein基函数,金字塔算法通式
//
参数:  num       多项式的阶数
//        t           
参数
//        PolynomialsValues   
生成的多项式系数
//
返回:    生成正确返回true,否则返回flase

bool BernsteinBase ( int num, double t, std::deque<double>& PolynomialsValues )
{
    double        parentL, parentR, delta, value;
    double        tCurLeft = 1, tCurRight = 0;
    int            i, j, oldLength;
    //
参数检查
   
    delta = 1.0/(num-1);
    PolynomialsValues.push_back ( 1 );
    //
开始计算
    for ( i=0; i<num-1; ++i ){
        oldLength = PolynomialsValues.size();

        if ( oldLength == 1 )
            parentL = parentR = PolynomialsValues[0];
        else{
            parentL = PolynomialsValues[0];
            parentR = PolynomialsValues[1];
        }
        //
左边缘单独处理
        value = Normalize( parentL * (tCurLeft-t), 4 );
        PolynomialsValues.push_back ( value );
        //
处理中间部分

        for ( j=0; j<oldLength-1; ++j ){
            parentL = PolynomialsValues[j];
            parentR = PolynomialsValues[j+1];

            value = ((t-tCurRight)*parentL) + ((tCurLeft-t)*parentR);
            PolynomialsValues.push_back ( Normalize( value, 4 ) );
               
        }
        //
右边缘单独处理

        value = Normalize( parentR * (t - tCurRight), 4 );
        PolynomialsValues.push_back ( value );
       
        //
删除上一行的内容
         PolynomialsValues.erase(PolynomialsValues.begin(),        PolynomialsValues.begin()+oldLength );       

    }
   
    return true;
}

 

/* B-样条基函数,金字塔算法通式
@remark                    
根据计算B-样条基函数,金字塔算法通式
@para num                
多项式的阶数
@para t                    
参数
@para SectNum            B-
样条分段的段号
@para PolynomialsValues    
生成的多项式系数
@return                    
生成正确返回true,否则返回flase
*/
bool BSplineBase ( int stage, double t, int SectNum, std::deque<double>& PolynomialsValues )
{
    double        parentL, parentR, delta, cPL, cPR, value;
    double        tCurLeft, tCurRight;
    int            i, j, oldLength;
    //
参数检查
    
    delta = 1.0/(2*stage-1);

    tCurLeft = (3+SectNum) * delta;
    tCurRight = tCurLeft - delta;
    PolynomialsValues.push_back ( 1 );
    //
开始计算
    for ( i=0; i<stage; ++i ){
        oldLength = PolynomialsValues.size();

        if ( oldLength == 1 )
            parentL = parentR = PolynomialsValues[0];
        else{
            parentL = PolynomialsValues[0];
            parentR = PolynomialsValues[1];
        }
        //
左边缘单独处理
        cPL = tCurLeft - tCurRight;
        value = Normalize( parentL * (tCurLeft-t) / cPL, 4 );
        PolynomialsValues.push_back ( value );
        //
处理中间部分
        tCurLeft += delta;
        for ( j=0; j<oldLength-1; ++j ){
            parentL = PolynomialsValues[j];
            parentR = PolynomialsValues[j+1];
            cPL = tCurLeft - delta - tCurRight;
            cPR = tCurLeft - tCurRight - delta;

            value = ((t-tCurRight)*parentL)/cPL + ((tCurLeft-t)*parentR)/cPR;
            PolynomialsValues.push_back ( Normalize( value, 4 ) );
            
            tCurLeft += delta;
            tCurRight += delta;
        }
        //
右边缘单独处理
        tCurLeft -= delta;
        cPR = tCurLeft - tCurRight;
        value = Normalize( parentR * (t - tCurRight) / cPR, 4 );
        PolynomialsValues.push_back ( value );
        
        //
删除上一行的内容
        PolynomialsValues.erase(PolynomialsValues.begin(), PolynomialsValues.begin()+oldLength );        

        //
改变左右系数
        tCurLeft = (3+SectNum) * delta;
        tCurRight = tCurLeft - (i+2)*delta;
    }
    
    return true;
}

 

图像算法之十:图像金字塔

一、基本原理       图像金字塔常用作多分辨率模型。视频图像的多分辨率模型是视频图像处理的重要方法。 图像金字塔包括高斯金字塔和拉普拉斯金字塔两种实现形式。 1、高斯金字塔:   高斯金字...
  • SoaringLee_fighting
  • SoaringLee_fighting
  • 2016年10月06日 16:48
  • 2487

光流(三)--LK算法改进(金字塔LK)

原文: http://blog.csdn.net/u010684134/article/details/49185535 OpenCV之光流法运动目标跟踪 [光流Optical Flow]的概念是Gi...
  • App_12062011
  • App_12062011
  • 2016年07月11日 14:57
  • 10397

金字塔图像分割原理解析与示例[opencv]

图像分割指的是将数字图像细分为多个图像子区域的过程,在OpenCv中实现了三种跟图像分割相关的算法,它们分别是:金字塔分割算法,分水岭分割算法以及均值漂移分割算法。它们的使用过程都很简单,刚开始学习o...
  • u012942818
  • u012942818
  • 2015年05月19日 08:47
  • 3255

数据插值算法

  • 2015年04月11日 05:55
  • 29KB
  • 下载

电力系统谐波检测加汉宁窗插值算法Matlab实现

  • 2017年12月26日 21:40
  • 3KB
  • 下载

拉格朗日插值算法

  • 2013年11月14日 12:53
  • 2KB
  • 下载

常用插值算法压缩包

  • 2016年12月23日 10:00
  • 11KB
  • 下载

三次样条插值算法C++实现

  • 2017年03月12日 13:38
  • 5KB
  • 下载

J2ME插值算法实现图片的放大缩小方法

  • 2011年01月18日 15:55
  • 10KB
  • 下载

双线性插值算法及实现.

  • 2009年10月31日 11:23
  • 1.83MB
  • 下载
内容举报
返回顶部
收藏助手
不良信息举报
您举报文章:各种插值算法的金字塔算法
举报原因:
原因补充:

(最多只允许输入30个字)