人工智能第3课

人工智能第3课

常用的插值方法-双线性插值

1. 单线性插值
   插值的本质：求一个虚拟点的坐标值。计算目标dst的像素值，通过dst像素点的坐标对应到原图src的坐标。
   
   已知x0,y0,x1,y1,x,求y
   单线性插值

2. 双线性插值
   
   根据单线性插值的公式，求得R1，在求得R2,。根据R1，R2求得P
   
   因为用的是相邻的4个点，所以分母都是1。

   要使两个图像的几何中心重合，等式两边+0.5。
   双线性差值法的计算比最邻近插值法复杂，计算量较大，但没有灰度不连续的缺点，图像看起来更光滑。

3. 双线性插值代码实现

# -*- coding: utf-8 -*-
'''@Time: 2024/4/6 21:50
python 双线性插值
'''
import numpy as np
import cv2

def bilinear_interpolation(img,out_dim):
    src_h,src_w,channel = img.shape
    dst_h,dst_w = out_dim[1],out_dim[0]
    print("原图高 宽",src_h,src_w)
    print("目标图高 宽",dst_h,dst_w)
    if src_h == dst_h and src_w == dst_w:
        return img.copy()
    dst_img = np.zeros((dst_h,dst_w,3),dtype=np.uint8)
    scale_x,scale_y = float(src_w)/dst_w,float(src_h)/dst_h
    for i in range(channel):
        for dst_y