数字图像处理中实现放缩图像的各种内插法

最近邻内插

思想:根据放缩以后的新图的坐标与放缩比例来确定原图中的坐标,再根据原图坐标处的灰度值确定新图的灰度值。

流程:

Created with Raphaël 2.1.2 开始 原图:长w0,宽h0 新图:长w1,宽h1 计算放缩比例: w_scale = w1/w0 h_scale = h1/h0 根据放缩比例计算新图的坐标(x1,y1)映射到原图上的坐标(x_returen,y_return): x_return = x1/w_scale y_returen = y1/h_scale 根据原图上(int(x_returen),int(y_return))处的像素值确定新图上的像素值:f1(x1,y1)= f0(int(x_return),int(y_return)) 结束

优点:计算复杂度最低
缺点:会产生边缘失真的问题

双线性内插

思想:同最近邻内插法的寻找原图坐标点的方法相似,只是双线性内插用到了4个最近邻的灰度值来确定给定位置上的灰度。

流程:

Created with Raphaël 2.1.2 开始 同最近邻内插法得到(x_return,y_return) 此时x_return,y_return是浮点型数据 计算四个最近邻坐标 (x0_1,y0_1)=(int(x_return),int(y_return)) (x0_2,y0_1)=(int(x_return)+ 1,int(y_return)) (x0_1,y0_2)=(int(x_return),int(y_return)+ 1) (x0_2,y0_2)=(int(x_return)+ 1,int(y_return)+ 1) 计算四个最近邻的权重 a1_x = x_return - int(x_return) a1_y = y_return - int)y_return) a2_x = int(x_return)+ 1 - x_return a2_y = int(y_return)+ 1 - y_return 计算(x1,y1)处的灰度值 f(x1,y1)= a1_x*a1_y*f(x0_1,y0_1)+ a2_x*a1_y*f(x0_2,y0_1)+ a1_x*a2_y*f(x0_1,y0_2)+ a2_x*a2_y*f(x0_2,y0_2) 结束

优点:可以看到,根据映射的坐标与原图上的坐标之间的距离来加权灰度值,比最近邻内插法更合理。
缺点:加重了计算量

双三次内插

思想:同双线性内插的方法一样,只是一共用到了16个最近邻点上的灰度值来计算给定位置上的灰度值。

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值