概述
基于上一节“等距采样法”实现图片放大与缩小的缺点。要对其进行改进，对图像的缩小则可以用“局部均值法”，对于图像的放大则可以用“双线性插值法”。
效果如下：
2048*1536缩小为100*80时的效果 100*80放大到600*400的效果
局部均值法缩小图像
（1）计算采样间隔
设原图的大小为W*H，将其放大（缩小）为(k1*W)*(K2*H)，则采样区间为
ii=1/k1; jj=1/k2;
当k1==k2时为等比例缩小；当k1!=k2时为不等比例放大（缩小）；当k1<1 && k2<1时为图片缩小，k1>1 && k2>1时图片放大。
（2）求出局部子块
设原图为F(x,y)(i=1,2,……W; j=1,2,……H)，缩小的图像为G(x,y)(x=1,2, ……M; y=1,2,……N，其中M=W*k1,N=H*k2)，则有原图像局部子块为
f’(x,y) = f(ii*i, jj*j) …… f(ii*i + ii-1, jj*j)
…… ……
f(ii*i, jj*j+jj-1) …… f(ii*i + ii-1, jj*j+jj-1)
(3)求出缩小的图像
G(x, y) = f’(x,y)的均值
例：
缩小后的图像
例如g11=(f11 +f12 + f21 + f22)/4
算法源代码（java）
/**
* 局部均值的图像缩小
* @param img 要缩小的图像对象
* @param m 缩小后图像的宽
* @param n 缩小后图像的高
* @return 返回处理后的图像对象
*/
public static BufferedImage shrink(BufferedImage img, int m, int n) {
float k1 = (float)m/img.getWidth();
float k2 = (float)n/img.getHeight();
return shrink(img, k1, k2);
}
/**
* 局部均值的图像缩小
* @param img 要缩小的图像对象
* @param k1 要缩小的列比列
* @param k2 要缩小的行比列
* @return 返回处理后的图像对象
*/
public static BufferedImage shrink(BufferedImage img, float k1, float k2) {
if(k1 >1 || k2>1) {//如果k1 >1 || k2>1则是图片放大，不是缩小
System.err.println("this is shrink image funcation, please set k1<=1 and k2<=1！");
return null;
}
float ii = 1/k1; //采样的行间距
float jj = 1/k2; //采样的列间距
int dd = (int)(ii*jj);
//int m=0 , n=0;
int imgType = img.getType();
int w = img.getWidth();
int h = img.getHeight();
int m = (int) (k1*w);
int n = (int) (k2*h);
int[] pix = new int[w*h];
pix = img.getRGB(0, 0, w, h, pix, 0, w);
System.out.println(w + " * " + h);
System.out.println(m + " * " + n);
int[] newpix = new int[m*n];
for(int j=0; j<n; j++) {
for(int i=0; i<m; i++) {
int r = 0, g=0, b=0;
ColorModel cm = ColorModel.getRGBdefault();
for(int k=0; k<(int)jj; k++) {
for(int l=0; l<(int)ii; l++) {
r = r + cm.getRed(pix[(int)(jj*j+k)*w + (int)(ii*i+l)]);
g = g + cm.getGreen(pix[(int)(jj*j+k)*w + (int)(ii*i+l)]);
b = b + cm.getBlue(pix[(int)(jj*j+k)*w + (int)(ii*i+l)]);
}
}
r = r/dd;
g = g/dd;
b = b/dd;
newpix[j*m + i] = 255<<24 | r<<16 | g<<8 | b;
//255<<24 | r<<16 | g<<8 | b 这个公式解释一下，颜色的RGB在内存中是
//以二进制的形式保存的，从右到左1-8位表示blue，9-16表示green，17-24表示red
//所以"<<24" "<<16" "<<8"分别表示左移24,16,8位
//newpix[j*m + i] = new Color(r,g,b).getRGB();
}
}
BufferedImage imgOut = new BufferedImage( m, n, imgType);
imgOut.setRGB(0, 0, m, n, newpix, 0, m);
return imgOut;
}/**
* 局部均值的图像缩小
* @param img 要缩小的图像对象
* @param m 缩小后图像的宽
* @param n 缩小后图像的高
* @return 返回处理后的图像对象
*/
public static BufferedImage shrink(BufferedImage img, int m, int n) {
float k1 = (float)m/img.getWidth();
float k2 = (float)n/img.getHeight();
return shrink(img, k1, k2);
}
/**
* 局部均值的图像缩小
* @param img 要缩小的图像对象
* @param k1 要缩小的列比列
* @param k2 要缩小的行比列
* @return 返回处理后的图像对象
*/
public static BufferedImage shrink(BufferedImage img, float k1, float k2) {
if(k1 >1 || k2>1) {//如果k1 >1 || k2>1则是图片放大，不是缩小
System.err.println("this is shrink image funcation, please set k1<=1 and k2<=1！");
return null;
}
float ii = 1/k1; //采样的行间距
float jj = 1/k2; //采样的列间距
int dd = (int)(ii*jj);
//int m=0 , n=0;
int imgType = img.getType();
int w = img.getWidth();
int h = img.getHeight();
int m = (int) (k1*w);
int n = (int) (k2*h);
int[] pix = new int[w*h];
pix = img.getRGB(0, 0, w, h, pix, 0, w);
System.out.println(w + " * " + h);
System.out.println(m + " * " + n);
int[] newpix = new int[m*n];
for(int j=0; j<n; j++) {
for(int i=0; i<m; i++) {
int r = 0, g=0, b=0;
ColorModel cm = ColorModel.getRGBdefault();
for(int k=0; k<(int)jj; k++) {
for(int l=0; l<(int)ii; l++) {
r = r + cm.getRed(pix[(int)(jj*j+k)*w + (int)(ii*i+l)]);
g = g + cm.getGreen(pix[(int)(jj*j+k)*w + (int)(ii*i+l)]);
b = b + cm.getBlue(pix[(int)(jj*j+k)*w + (int)(ii*i+l)]);
}
}
r = r/dd;
g = g/dd;
b = b/dd;
newpix[j*m + i] = 255<<24 | r<<16 | g<<8 | b;
//255<<24 | r<<16 | g<<8 | b 这个公式解释一下，颜色的RGB在内存中是
//以二进制的形式保存的，从右到左1-8位表示blue，9-16表示green，17-24表示red
//所以"<<24" "<<16" "<<8"分别表示左移24,16,8位
//newpix[j*m + i] = new Color(r,g,b).getRGB();
}
}
BufferedImage imgOut = new BufferedImage( m, n, imgType);
imgOut.setRGB(0, 0, m, n, newpix, 0, m);
return imgOut;
}双线性差值法放图像
子块四个顶点的坐标分别设为（0,0）、（1,0）、（0,1）、（1,1），对应的带处理的像素的坐标（c1,c2），0<c1<1, 0<y<1.则f(x,y)由上到下得到
f(x,0) = f(0,0) + c1*(f(1,0)-f(0,0))
f(x,1) = f(0,1) + c1*(f(1,1)-f(0,1))
f(x,y) = f(x,0) + c2*f(f(x,1)-f(x,0))
例，原图的像素矩阵如下。
将其放大成2.5*1.2倍，双线性插值发，填充顶点如下：
（1）
（2）
1 2 3 4 5 6 7 7
2 3 4 5 7 8 8 8
3 4 5 6 7 8 9 9
3 4 5 6 7 8 9 9
（3）
算法源代码（java）
/**
* 双线性插值法图像的放大
* @param img 要缩小的图像对象
* @param k1 要缩小的列比列
* @param k2 要缩小的行比列
* @return 返回处理后的图像对象
*/
public static BufferedImage amplify(BufferedImage img, float k1, float k2) {
if(k1 <1 || k2<1) {//如果k1 <1 || k2<1则是图片缩小，不是放大
System.err.println("this is shrink image funcation, please set k1<=1 and k2<=1！");
return null;
}
float ii = 1/k1; //采样的行间距
float jj = (1/k2); //采样的列间距
int dd = (int)(ii*jj);
//int m=0 , n=0;
int imgType = img.getType();
int w = img.getWidth(); //原图片的宽
int h = img.getHeight(); //原图片的宽
int m = Math.round(k1*w); //放大后图片的宽
int n = Math.round(k2*h); //放大后图片的宽
int[] pix = new int[w*h];
pix = img.getRGB(0, 0, w, h, pix, 0, w);
/*System.out.println(w + " * " + h);
System.out.println(m + " * " + n);*/
int[] newpix = new int[m*n];
for(int j=0; j<h-1; j++){
for(int i=0; i<w-1; i++) {
int x0 = Math.round(i*k1);
int y0 = Math.round(j*k2);
int x1, y1;
if(i == w-2) {
x1 = m-1;
} else {
x1 = Math.round((i+1)*k1);
}
if(j == h-2) {
y1 = n-1;
} else {
y1 = Math.round((j+1)*k2);
}
int d1 = x1 - x0;
int d2 = y1 - y0;
if(0 == newpix[y0*m + x0]) {
newpix[y0*m + x0] = pix[j*w+i];
}
if(0 == newpix[y0*m + x1]) {
if(i == w-2) {
newpix[y0*m + x1] = pix[j*w+w-1];
} else {
newpix[y0*m + x1] = pix[j*w+i+1];
}
}
if(0 == newpix[y1*m + x0]){
if(j == h-2) {
newpix[y1*m + x0] = pix[(h-1)*w+i];
} else {
newpix[y1*m + x0] = pix[(j+1)*w+i];
}
}
if(0 == newpix[y1*m + x1]) {
if(i==w-2 && j==h-2) {
newpix[y1*m + x1] = pix[(h-1)*w+w-1];
} else {
newpix[y1*m + x1] = pix[(j+1)*w+i+1];
}
}
int r, g, b;
float c;
ColorModel cm = ColorModel.getRGBdefault();
for(int l=0; l<d2; l++) {
for(int k=0; k<d1; k++) {
if(0 == l) {
//f(x,0) = f(0,0) + c1*(f(1,0)-f(0,0))
if(j<h-1 && newpix[y0*m + x0 + k] == 0) {
c = (float)k/d1;
r = cm.getRed(newpix[y0*m + x0]) + (int)(c*(cm.getRed(newpix[y0*m + x1]) - cm.getRed(newpix[y0*m + x0])));//newpix[(y0+l)*m + k]
g = cm.getGreen(newpix[y0*m + x0]) + (int)(c*(cm.getGreen(newpix[y0*m + x1]) - cm.getGreen(newpix[y0*m + x0])));
b = cm.getBlue(newpix[y0*m + x0]) + (int)(c*(cm.getBlue(newpix[y0*m + x1]) - cm.getBlue(newpix[y0*m + x0])));
newpix[y0*m + x0 + k] = new Color(r,g,b).getRGB();
}
if(j+1<h && newpix[y1*m + x0 + k] == 0) {
c = (float)k/d1;
r = cm.getRed(newpix[y1*m + x0]) + (int)(c*(cm.getRed(newpix[y1*m + x1]) - cm.getRed(newpix[y1*m + x0])));
g = cm.getGreen(newpix[y1*m + x0]) + (int)(c*(cm.getGreen(newpix[y1*m + x1]) - cm.getGreen(newpix[y1*m + x0])));
b = cm.getBlue(newpix[y1*m + x0]) + (int)(c*(cm.getBlue(newpix[y1*m + x1]) - cm.getBlue(newpix[y1*m + x0])));
newpix[y1*m + x0 + k] = new Color(r,g,b).getRGB();
}
//System.out.println(c);
} else {
//f(x,y) = f(x,0) + c2*f(f(x,1)-f(x,0))
c = (float)l/d2;
r = cm.getRed(newpix[y0*m + x0+k]) + (int)(c*(cm.getRed(newpix[y1*m + x0+k]) - cm.getRed(newpix[y0*m + x0+k])));
g = cm.getGreen(newpix[y0*m + x0+k]) + (int)(c*(cm.getGreen(newpix[y1*m + x0+k]) - cm.getGreen(newpix[y0*m + x0+k])));
b = cm.getBlue(newpix[y0*m + x0+k]) + (int)(c*(cm.getBlue(newpix[y1*m + x0+k]) - cm.getBlue(newpix[y0*m + x0+k])));
newpix[(y0+l)*m + x0 + k] = new Color(r,g,b).getRGB();
//System.out.println((int)(c*(cm.getRed(newpix[y1*m + x0+k]) - cm.getRed(newpix[y0*m + x0+k]))));
}
}
if(i==w-2 || l==d2-1) { //最后一列的计算
//f(1,y) = f(1,0) + c2*f(f(1,1)-f(1,0))
c = (float)l/d2;
r = cm.getRed(newpix[y0*m + x1]) + (int)(c*(cm.getRed(newpix[y1*m + x1]) - cm.getRed(newpix[y0*m + x1])));
g = cm.getGreen(newpix[y0*m + x1]) + (int)(c*(cm.getGreen(newpix[y1*m + x1]) - cm.getGreen(newpix[y0*m + x1])));
b = cm.getBlue(newpix[y0*m + x1]) + (int)(c*(cm.getBlue(newpix[y1*m + x1]) - cm.getBlue(newpix[y0*m + x1])));
newpix[(y0+l)*m + x1] = new Color(r,g,b).getRGB();
}
}
}
}
/*
for(int j=0; j<50; j++){
for(int i=0; i<50; i++) {
System.out.print(new Color(newpix[j*m + i]).getRed() + "\t");
}
System.out.println();
}
*/
BufferedImage imgOut = new BufferedImage( m, n, imgType);
imgOut.setRGB(0, 0, m, n, newpix, 0, m);
return imgOut;
}
392
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
