数字信号处理相关10（图像插值算法及其实现）

来自：https://blog.csdn.net/helimin12345/article/details/82117848

sensor、codec、display device都是基于pixel的，高分辨率图像能呈现更多的detail，由于sensor制造和chip的限制，我们需要用到图像插值（scaler/resize）技术，这种方法代价小，使用方便。同时，该技术还可以放大用户希望看到的感兴趣区域。图像缩放算法往往基于插值实现，常见的图像插值算法包括最近邻插值（Nearest-neighbor）、双线性插值（Bilinear）、双立方插值（bicubic）、lanczos插值、方向插值（Edge-directed interpolation）、example-based插值、深度学习等算法。
插值缩放的原理是基于目标分辨率中的点，将其按照缩放关系对应到源图像中，寻找源图像中的点（不一定是整像素点），然后通过源图像中的相关点插值得到目标点。本篇文章，我们介绍Nearest-neighbor和Bilinear插值的原理及C实现。
插值算法原理如下：

1. Nearest-neighbor
最近邻插值，是指将目标图像中的点，对应到源图像中后，找到最相邻的整数点，作为插值后的输出。如下图所示，P为目标图像对应到源图像中的点，Q11、Q12、Q21、Q22是P点周围4个整数点，Q12与P离的最近，因此P点的值等于Q12的值。
 

由于图像中像素具有邻域相关性，因此，用这种拷贝的方法会产生明显的锯齿。

2. Bilinear
双线性插值使用周围4个点插值得到输出，双线性插值，是指在xy方法上，都是基于线性距离来插值的。
如图1，目标图像中的一点对应到源图像中点P(x,y)，我们先在x方向插值：

然后，进行y方向插值：

可以验证，先进行y方向插值再进行x方向插值，结果也是一样的。值得一提的是，双线性插值在单个方向上是线性的，但对整幅图像来说是非线性的。

 

 

效果比较
将720x480分辨率图像放大到1080p，1：1截取局部画面如下，左边是最近邻放大的效果，右边是双线性效果，可以看到，双线性放大的锯齿要明显比最近邻小。

Matlab
常用的matlab缩放方法有两种，如下

B = imresize(A, scale, method)    B = imresize(A, 0.5, ‘bicubic’)使用双立方插值将宽高各缩小1/2
B = imresize(A, outputSize, method)    B = imresize(A, [1080,1920], ‘bilinear’)使用双线性插值缩放到1920x1080分辨率

 

参考
[1] https://en.wikipedia.org/wiki/Nearest-neighbor_interpolation
[2] https://en.wikipedia.org/wiki/Bilinear_interpolation