图像处理之双线性插值原理和实现

双线性内插原理：

由于图像数据组成为等间距横向和纵向分布的像素点构成，点与点之间间距为一个像素，那么对图像的内插，就可以当做在每个像素内横向和纵向均匀增加点，每个点的像素值则由周围四个点确定。

假设当点P(x,y)位于P1(x1,y1)、P2(x2,y2)、P3(x3,y3)和P4(x4,y4)四个点构成的矩阵内，如图所示：

设定四个点像素值为p1、p2、p3、p4，中间P点像素为p，P点像素值通过P1-P4四个点像素进行拟合。这里采用距离加权的方法对内插点像素进行赋值，即通过计算P点坐标与其他几个点距离来确定每个值所占权重，假设P点刚好位于矩阵中心，那么p刚好等于p1-p4的均值。

问题的核心在于如何计算P点与周围四个点距离，由于P点在矩阵内，假设一个矩阵边长为1，x和y与周围点坐标的差值都小于等于1，那么可以通过如下公式来计算p点像素值：

p=p1 * [(1 - |x - x1|) * (1 - |y - y1|)] + p2 * [(1 - |x - x2|) * (1 - |y - y2|)] + p3 * [(1 - |x - x3|) * (1 - |y-y3|)] + p4 * [(1 -|x - x4|) * (1 - |y-y4|)]

通过以上公式，当P点位于矩阵中心时，x-x1=0.5,y-y1=0.5,P1点权重为0.5*0.5=0.25，P2到P4点权重也一样是0.25，如果P点刚好位于P1-P4点任意一点上，通过公式计算结果也是p1-p4。

代码：

double result = p1 * ((1 - Math.abs(x - x1)) * (1 - Math.abs(y - y1)))
				+ p2 * ((1 - Math.abs(x - x2)) * (1 - Math.abs(y - y2)))
				+ p3 * ((1 - Math.abs(x - x3)) * (1 - Math.abs(y - y3))) 
				+ p4 * ((1 - Math.abs(x - x4)) * (1 - Math.abs(y - y4)));

假设P1 = 100.25, p2= 120.23, p3 = 103.49, p4 = 105.66，P点坐标为(0.2,0.3)，计算结果p=112.217，四个点均值为107.4075，P点坐标最接近P2点，P2点最高，因此P点像素大于均值也更符合预期。

图像双线性内插的实现：

1. 读取原图数据，获取原图宽高XY，设定内插数n；
2. 根据原图宽高生成目标图像宽高，这里要注意的是，由于双线性内插必须在原图X和Y方向内部都有值得地方进行，那么原图X方向边缘像素和Y方向最边缘像素无法进行内插，那么目标图像宽和高的计算应该是(X-1)*n，(Y-1)*n；
3. 采用双线性内插对目标图像像素进行赋值，目标图像任意像素(x,y)，当x/n，y/n必定落在原图四个像素组成的区间内，(x,y)值，就是原图中四个像素值进行双线性内插计算结果。

测试代码：

import java.awt.image.BufferedImage;
import java.io.File;

import javax.imageio.ImageIO;

/**
 * 双线性内插
 * 
 * @author chen
 *
 */
public class BilinearInterpolation {
	public void interpolation(File inputFile, File destFile, int interpolation) throws Exception {
		BufferedImage inImage = ImageIO.read(inputFile);
		int width = inImage.getWidth();
		int height = inImage.getHeight();
		int destWidth = (width - 1) * interpolation;
		int destHeight = (height - 1) * interpolation;
		destFile.createNewFile();
		BufferedImage destImage = new BufferedImage(destWidth, destHeight, BufferedImage.TYPE_INT_RGB);
		for (int i = 0; i < destWidth; i++) {
			for (int j = 0; j < destHeight; j++) {
				double x = (double) i / (double) interpolation;
				double y = (double) j / (double) interpolation;
				int x1 = (int) x;
				int x2 = x1;
				int x3 = x1 + 1;
				int x4 = x3;
				int y1 = (int) y + 1;
				int y2 = y1 - 1;
				int y3 = y2;
				int y4 = y1;
				int p1 = inImage.getRGB(x1, y1);
				int p2 = inImage.getRGB(x2, y2);
				int p3 = inImage.getRGB(x3, y3);
				int p4 = inImage.getRGB(x4, y4);
				int R = caculateValue(x, y, x1, x2, x3, x4, y1, y2, y3, y4, (p1 >> 16) & 0xff, (p2 >> 16) & 0xff,
						(p3 >> 16) & 0xff, (p4 >> 16) & 0xff);
				int G = caculateValue(x, y, x1, x2, x3, x4, y1, y2, y3, y4, (p1 >> 8) & 0xff, (p2 >> 8) & 0xff,
						(p3 >> 8) & 0xff, (p4 >> 8) & 0xff);
				int B = caculateValue(x, y, x1, x2, x3, x4, y1, y2, y3, y4, p1 & 0xff, p2 & 0xff, p3 & 0xff,
						p4 & 0xff);
				int rgb = (255 & 0xff) << 24 | (R & 0xff) << 16 | ( G & 0xff) << 8
						| ( B & 0xff);
				destImage.setRGB(i, j, rgb);
			}
		}
		ImageIO.write(destImage, "JPG", destFile);
	}

	private int caculateValue(double x, double y, int x1, int x2, int x3, int x4, int y1, int y2, int y3, int y4,
			double p1, double p2, double p3, double p4) {
		int result = (int) (p1 * ((1 - Math.abs(x - x1)) * (1 - Math.abs(y - y1)))
				+ p2 * ((1 - Math.abs(x - x2)) * (1 - Math.abs(y - y2)))
				+ p3 * ((1 - Math.abs(x - x3)) * (1 - Math.abs(y - y3)))
				+ p4 * ((1 - Math.abs(x - x4)) * (1 - Math.abs(y - y4))));
		return result;
	}

	public static void main(String[] args) throws Exception {
		new BilinearInterpolation().interpolation(new File("C:\\Users\\admin\\Desktop\\test\\1.png"),
				new File("C:\\Users\\admin\\Desktop\\test\\11.jpg"), 10);
	}
}