参考https://blog.csdn.net/wmn7q/article/details/52743284
自己一直以为放大图像是会放大像素点的大小的,然后就去查了一下,发现不是这样的,而是像素点数量变了,而多的或者少的就依靠插值来实现
百度问答
这里的答案我觉得不错,解决了我的问题
那么我们就来实现一下放缩的算法,今天先实现以下第一种–近邻插值
原理:关键在于构造映射
看得清就好。
放一个链接,也是讲原理的,我觉得写得也是不错的。
csdn上的
代码:
(*构造映射 [1,w1] \[Rule] [1,w0]*)
zoom[pic_, fw_, fh_] :=
Module[{data, dataN, w0, h0, w1, h1, col, i, j},
data = ImageData[pic];
{w0, h0, col} = Dimensions[data];
w1 = w0 * fw;
h1 = h0* fh;
(*对每一个像素点取最接近的点*)
(*使用这种情况会出现下标为零的情况*)
(*
dataN = Table[data[[Round[(w0-1)/(w1-1)*i-(w0+w1-2)/(w1-1)],
Round[(h0-1)/(h1-1)*j-(h0+h1-2)/(h1-1)]]],{i,1,w1},{j,1,h1}];
*)
dataN =
Table[data[[Round[(w0 - 1)/(w1 - 1)*i + (w1 - w0)/(w1 - 1)],
Round[(h0 - 1)/(h1 - 1)*j + (h1 - h0)/(h1 - 1)]]], {i, 1,
w1}, {j, 1, h1}];
Image[dataN]
(*Image[dataN]*)
]
效果:
缩小
放大
其实我觉得这样子效果挺好的,换一副图看一下,可以看出锯齿
可以看到放大了以后还是会在边缘有锯齿,不过大体还可以,而且这种算法比较快