数字图像学习——双线性插值方法部分的讨论【个人详细推导】

写在前面：

虽然该部分内容属于基础中的基础，然而学习中会有“熟知≠真知”的情况，故决心写下笔记。本文着重对简单原理的详细推导，对你在免费文章和课程中不涉及的“坑”进行细致地数学剖析，结合自己做的图示，通过问题带动思考的引导方式系统地进行分情况讨论等……更加适合专业人士复习和初学者学习！

一、准备工作：

1.1认清几个事实：

       (I).数字图像在计算机中是以矩阵形式储存，其行列下角标从0开始；

       (II).矩阵中每个元素中储存对应数字图像中的像素值(可能不只一个通道)；

       (III).矩阵中元素信息对应数字图像对应位置中的位置和像素值信息，却不包含实际图像中像素点本身大小。

       (IV).将图像放置于坐标系中，y轴正方向向下，x轴正方向向右。

1.2提出几个设定：

       (I).下述讨论中，为了便于理解，假设所有图像中的像素点均为边长1的正方形

(II).原图像尺寸(H=m, W=n)，原图像矩阵

       (III).原图像中各点像素值(矩阵中元素值)与位置坐标满足映射

图 1 数字图像与对应矩阵图示

二、坐标变换讨论：

2.1 原图像、目标图像和插值点阵

设：目标图像尺寸(H=r, W=s), 图像矩阵

因此y方向(即H方向)变换比例为 ，

同理x方向(即W方向)变换比例为 。

那么在进行插值之前，我们就要试图找到图像B中各像素点与图像A中各像素点的“某种’位置’对应关系”，在此对应关系基础上，才可以应用插值算法。

那么位置对应关系如何建立？

我们很自然地认为只需要将B中像素坐标

即可得到 作为 的插值点并与A中相关的4个点进行插值运算得到像素值。

但是！请稍作思考，我们就会发现由于1.1(I)(即A、B矩阵中元素下角标规律)和1.2(I)的存在，图像尺寸之间的比例缩放与坐标换算之间存在差异，这种差异会导致我们的坐标按照③式变换后得到B的插值点阵 的坐标偏向左上角且与A于左上角对齐。这种“不对称”会给插值结果带来“不可接受”的偏差，因此我们需要消除。

那么，的坐标到底要如何做？

 图 2 缩放前后数字图像与对应矩阵图示

 图 3 图像B经比例变换后的点阵M与其矩阵图示