「解析」双线性插值

最新推荐文章于 2024-08-03 21:15:00 发布

ViatorSun

最新推荐文章于 2024-08-03 21:15:00 发布

阅读量2.8k

点赞数 6

分类专栏： # OpenCV 文章标签：图像处理双线性插值 Pytorch

本文链接：https://blog.csdn.net/ViatorSun/article/details/124517707

版权

OpenCV 专栏收录该内容

12 篇文章 10 订阅

订阅专栏

在介绍双线性插值之前，我们先解释下插值：百科的定义是插值是离散函数逼近的重要方法，利用函数通过的有限点的取值状况，估算出函数在临近处的近似值。
在图像领域，插值就是用来填充图像变换时像素之间的空隙。插值算法有许多种，双线性插值只是其中一种。

线性插值

根据百科的介绍：线性插值是指插值函数为一次多项式的插值方式。线性插值的几何意义即为利用过A点和B点的 直线 $(y = k x + b)$ 来近似表示原函数。线性插值可以用来近似代替原函数，也可以用来计算得到查表过程中表中没有的数值。

那么如下图所示，假设已知 $y_1=f(x_0) , y_2=f(x_1)$ ，现在要通过线性插值的方式得到区间 $x_0, x_1]$ 内任何一点的 $f (x)$ 值。

在这里插入图片描述

$\frac{y'-y_1}{x'-x_1} = \frac{y_2-y_1}{x_2-x_1}$

变换得：

$y'=\frac{x_2-x'}{x_2-x_1}y_1 + \frac{x'-x_1}{x_2-x_1}y_2$

双线性插值

双线性插值是有两个变量的线性插值算法的扩展，即两个变量分别做一次线性插值。

在此我们以百度百科提供的图作为参考，每个点的数值是由 $z = f (x, y)$ 决定的，因此借鉴于线性插值算法，双线性插值，需要通过临近点计算出 $(x^{'}, y^{'})$ ，

在这里插入图片描述

放在二维俯视图上，如下图所示

在这里插入图片描述

⚠️注意：线性插值的结果与插值的顺序无关。
首先进行y方向的插值，然后进行x方向的插值，所得到的结果是一样的。双线性插值的结果与先进行哪个方向的插值无关。

在此以先进行 x方向插值，再y方向插值为例：

X方向的线性插值，Q11,Q21 中插入蓝色点R1，在 Q12,Q22 中插入蓝色点R2；
Y方向的线性插值，通过第一步计算出的 R1与R2 在y方向上插值计算出P点。

由线性插值算法可以得到， $R_1$ 的值为：
$f(R_1)=f(x,y_1) \qquad\qquad\qquad\qquad\qquad\qquad \quad\\ =\frac{x_2-x}{x_2-x_1}f(Q_{11}) + \frac{x-x_1}{x_2-x_1}f(Q_{21})$

同理， $R_2$ 的值为：
$f(R_2)=f(x,y_2) \qquad\qquad\qquad\qquad\qquad\qquad \quad\\ =\frac{x_2-x}{x_2-x_1}f(Q_{12}) + \frac{x-x_1}{x_2-x_1}f(Q_{22})$

得到 $R_1, R_2$ 的插值之后，再通过一次线性插值计算 $P$ 点的插值。
$\qquad\qquad\qquad\qquad\qquad\qquad \\ =\frac{y_2-y}{y_2-y_1}f(R_1) + \frac{y-y_1}{y_2-y_1}f(R_2)$

将上面的 $R_1, R_2$ 代入上式，得：
$\qquad \qquad \qquad \qquad \qquad\qquad\qquad\qquad\qquad\qquad\qquad \\ =\frac{(x_2-x)(y_2-y)}{(x_2-x_1)(y_2-y_1)}f(Q_{11}) + \frac{(x-x_1)(y_2-y)}{(x_2-x_1)(y_2-y_1)}f(Q_{21}) \\ + \frac{(x_2-x)(y-y_1)}{(x_2-x_1)(y_2-y_1)}f(Q_{12}) + \frac{(x-x_1)(y-y_1)}{(x_2-x_1)(y_2-y_1)}f(Q_{22})$

图像中的双线性插值

接触图像处理的小伙伴可能经常遇到图像放大等操作，即图像的上采样处理，此时很大一部分采用的便是双线性插值算法。

在这里插入图片描述

在图像中，双线性插值算法一般采用最邻近的4个像素点，因此 $x_2-x_1=1, y_2-y_1=1$ ，并且设 $x-x-1=u, y-y_1=v$ ，因此上述公式可以简化为：
$f(P)=(1-u)(1-v)f(Q_{11}) + u(1-v)f(Q_{21}) \\ \qquad \quad+(1-u)vf(Q_{12})\quad \quad + \quad uvf(Q_{22}) \qquad$

Pytorch 实现

在 Pytorch 中的 Upsample 算法，其实内部实现算法便是双线性插值处理即 'bilinear' 模式

import torch.nn.functional as F

F.interpolate(x, size=input_shape, mode='bilinear', align_corners=False)

mode (str) – 
algorithm used for upsampling: 'nearest' | 'linear' | 'bilinear' | 
'bicubic' | 'trilinear' | 'area' | 'nearest-exact'. 
Default: 'nearest'