1.介绍
对于双线性插值,学过图像处理的人,其理论应该是随手拈来,代码也是很容易被写出来的,但工业应用的时候,会做一些技巧性优化。
奥秘之处在于两点:
1)源图像和目标图像几何中心的对齐
双线性插值算法及需要注意事项提到,如果起始点设置为(0,0)的时候,会导致一部分数据没被充分利用
2)将浮点运算转换成整数运算
图像处理界双线性插值算法的优化提到,对于插值运算,如果不做特别处理,肯定是有浮点数运算,因此可以先进行放大,接着进行整型运算,最后进行右移运算(缩小操作)
2.代码
#include <opencv2/opencv.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/core/core.hpp>
#include<iostream>
using namespace std;
using namespace cv;
void nearNeighbor(Mat& matSrc, Mat& matDst1, Mat& matDst2);
int main() {
Mat matSrc, matDst1, matDst2;
matSrc = imread("Lena.jpg", 2 | 4);
matDst1 = Mat(cv::Size(800, 1000), matSrc.type(), Scalar::all(0));
matDst2 = Mat(matDst1.size(), matSrc.type(), Scalar::all(0));
bilinearity(matSrc, matDst1, matDst2);
return 0;
}
//放大系数为2048,保证不溢出,且精确度比较高; 加0.5是保证几何中心,不然有些点用不到
void bilinearity(Mat& matSrc, Mat& matDst1, Mat& matDst2) {
double scale_x = (double)matSrc.cols / matDst1.cols;
double scale_y = (double)matSrc.rows / matDst1.rows;
uchar* dataDst = matDst1.data;
int stepDst = matDst1.step; //宽*3
uchar* dataSrc = matSrc.data;
int stepSrc = matSrc.step;
int iWidthSrc = matSrc.cols;
int iHiehgtSrc = matSrc.rows;
for (int j = 0; j < matDst1.rows; ++j)
{
float fy = (float)((j + 0.5) * scale_y - 0.5);
int sy = cvFloor(fy);
fy -= sy;
sy = std::min(sy, iHiehgtSrc - 2);
sy = std::max(0, sy);
short cbufy[2];
cbufy[0] = cv::saturate_cast<short>((1.f - fy) * 2048);
cbufy[1] = 2048 - cbufy[0];
for (int i = 0; i < matDst1.cols; ++i)
{
float fx = (float)((i + 0.5) * scale_x - 0.5);
int sx = cvFloor(fx);
fx -= sx;
if (sx < 0) {
fx = 0, sx = 0;
}
if (sx >= iWidthSrc - 1) {
fx = 0, sx = iWidthSrc - 2;
}
short cbufx[2];
cbufx[0] = cv::saturate_cast<short>((1.f - fx) * 2048);
cbufx[1] = 2048 - cbufx[0];
for (int k = 0; k < matSrc.channels(); ++k)
{
*(dataDst + j*stepDst + 3 * i + k) = (*(dataSrc + sy*stepSrc + 3 * sx + k) * cbufx[0] * cbufy[0] +
*(dataSrc + (sy + 1)*stepSrc + 3 * sx + k) * cbufx[0] * cbufy[1] +
*(dataSrc + sy*stepSrc + 3 * (sx + 1) + k) * cbufx[1] * cbufy[0] +
*(dataSrc + (sy + 1)*stepSrc + 3 * (sx + 1) + k) * cbufx[1] * cbufy[1]) >> 22;
}
}
}
cv::imwrite("linear_1.jpg", matDst1);
cv::resize(matSrc, matDst2, matDst1.size(), 0, 0, 1);
cv::imwrite("linear_2.jpg", matDst2);
}