图像几何变换（缩放、旋转）中的插值算法

图像几何变换（缩放、旋转）中的插值算法           
  
摘   要：   
这是我在一些   数字图像与图形处理   方面的书上面看见的，书上说的比较零散，我稍微整理了一下 

  
    
  
    正文   【字体：大   中   小】         
1|     
    
实践已证明，插值算法对于缩放比例较小的情况是完全可以接受的，令人信服的。一般的，缩小0.5倍以上或放大3.0倍以下，对任何图像都是可以接受的。 


最邻近插值（近邻取样法）： 
　　最临近插值的的思想很简单。对于通过反向变换得到的的一个浮点坐标，对其进行简单的取整，得到一个整数型坐标，这个整数型坐标对应的像素值就是目的像素的像素值，也就是说，取浮点坐标最邻近的左上角点（对于DIB是右上角，因为它的扫描行是逆序存储的）对应的像素值。可见，最邻近插值简单且直观，但得到的图像质量不高 


双线性内插值： 
　　对于一个目的像素，设置坐标通过反向变换得到的浮点坐标为(i+u,j+v)，其中i、j均为非负整数，u、v为[0,1)区间的浮点数，则这个像素得值   f(i+u,j+v)   可由原图像中坐标为   (i,j)、(i+1,j)、(i,j+1)、(i+1,j+1)所对应的周围四个像素的值决定，即： 

　　　　f(i+u,j+v)   =   (1-u)(1-v)f(i,j)   +   (1-u)vf(i,j+1)   +   u(1-v)f(i+1,j)   +   uvf(i+1,j+1)

其中f(i,j)表示源图像(i,j)处的的像素值，以此类推 
　　这就是双线性内插值法。双线性内插值法计算量大，但缩放后图像质量高，不会出现像素值不连续的的情况。由于双线性插值具有低通滤波器的性质，使高频分量受损，所以可能会使图像轮廓在一定程度上变得模糊 


　　三次卷积法能够克服以上两种算法的不足，计算精度高，但计算亮大，他考虑一个浮点坐标(i+u,j+v)周围的16个邻点，目的像素值f(i+u,j+v)可由如下插值公式得到： 

　　　　f(i+u,j+v)   =   [A]   *   [B]   *   [C] 

[A]=[   S(u   +   1)　S(u   +   0)　S(u   -   1)　S(u   -   2)   ] 

　　┏   f(i-1,   j-1)　f(i-1,   j+0)　f(i-1,   j+1)　f(i-1,   j+2)   ┓ 
[B]=┃   f(i+0,   j-1)　f(i+0,   j+0)　f(i+0,   j+1)　f(i+0,   j+2)   ┃ 
　　┃   f(i+1,   j-1)　f(i+1,   j+0)　f(i+1,   j+1)　f(i+1,   j+2)   ┃ 
　　┗   f(i+2,   j-1)　f(i+2,   j+0)　f(i+2,   j+1)　f(i+2,   j+2)   ┛ 

　　┏   S(v   +   1)   ┓ 
[C]=┃   S(v   +   0)   ┃ 
　　┃   S(v   -   1)   ┃ 
　　┗   S(v   -   2)   ┛ 

　　   ┏   1-2*Abs(x)^2+Abs(x)^3　　　　　   ,   0 <=Abs(x) <1 
S(x)=｛   4-8*Abs(x)+5*Abs(x)^2-Abs(x)^3　,   1 <=Abs(x) <2 
　　   ┗   0　　　　　　　　　　　　　　　   ,   Abs(x)> =2 
S(x)是对   Sin(x*Pi)/x   的逼近（Pi是圆周率——π） 


最邻近插值（近邻取样法）、双线性内插值、三次卷积法   等插值算法对于旋转变换、错切变换、一般线性变换   和   非线性变换   都适用。