双线性插值,不仅仅可用来进行缩放,对于那些已知浮点坐标位置,要进行像素值重采样的,也很实用。比如变形,瘦脸、大眼等。
1、原理
最常见的原理分析
老生常谈的计算公式哈:(注意这个图的原点是在左下角,opencv里的坐标在左上角,所以其实就是y2>y1就好)
先x方向插值:
然后y方向插值;
正常我们按照这个拆分求解,其实就行了。绝对不会有问题。
可能大家还会看到一种简单的写法:假设浮点坐标表示为(i+u,j+v)的形式,那么
f(R1)=u(f(Q21)-f(Q11))+f(Q11)
f(R2)=u(f(Q22)-f(Q21))+f(Q21)
f(i+u,j+v) = v(f(R2) - f(R1)) + f(R1)
= (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)(一步到位写法)
这里主要是用 x2 = x +(1-u)以及 u = x - x1带入原公式就好了。可以自己推倒下,这个公式,也比较容易记忆。
2、中心对齐
但是要注意的是,如图像之间是有缩放关系的,那要注意中心对齐的问题。
我们采用插值法的时候,一般都是遍历目的(dst)图像,然后在原图(Src)中计算对应的像素。但dst这个实际坐标值是浮点数,不管你用什么方式得到了这个浮点数,我们都可以这样
SrcX=(dstX+0.5)* (srcWidth/dstWidth) -0.5
SrcY=(dstY+0.5) * (srcHeight/dstHeight)-0.5
然后再开始插值哈。
我们来看个例子:
假设源图像是3*3,中心点坐标(1,1)目标图像是9*9,中心点坐标(4,4),我们在进行插值映射的时候,尽可能希望均匀的用到源图像的像素信息,最直观的就是(4,4)映射到(1,1)现在直接计算srcX=4*3/9=1.3333!=1,也就是我们在插值的时候所利用的像素集中在图像的右下方,而不是均匀分布整个图像。现在考虑中心点对齐,srcX=(4+0.5)*3/9-0.5=1,刚好满足我们的要求。
对应的效果就是这样:
对齐前 对齐后
——>
3、将浮点运算转换成整数运算
参考图像处理界双线性插值算法的优化
直接进行计算的话,由于计算的srcX和srcY 都是浮点数,后续会进行大量的乘法,而图像数据量又大,速度不会理想,解决思路是:
浮点运算→→整数运算→→”<<左右移按位运算”
。
放大的主要对象是u,v这些浮点数,OpenCV选择的放大倍数是2048“如何取这个合适的放大倍数呢,要从三个方面考虑,
第一:精度问题,如果这个数取得过小,那么经过计算后可能会导致结果出现较大的误差。
第二,这个数不能太大,太大会导致计算过程超过长整形所能表达的范围。
第三:速度考虑。假如放大倍数取为12,那么算式在最后的结果中应该需要除以12*12=144,但是如果取为16,则最后的除数为16*16=256,这个数字好,我们可以用右移来实现,而右移要比普通的整除快多了。”我们利用左移11位操作就可以达到放大目的。