双线性插值算法基本原理
双线性插值算法的基本原理:
图1 双线性插值示意图
公式1
公式2
这里不做详细讲述,提供几篇参考资料:
matlab中interp2双线性插值算法的实现原理
matlab中提供的interp2算法为一种二维的插值算法,在插值方式上可以选择最邻近插值、双线性插值(默认插值方式)、样条插值、双三次插值等。这里仅考虑双线性插值。
Vq = interp2(X, Y, V, Xq, Yq)
X, Y 为原始坐标, 且X, Y 是必须是单调的
V为坐标X, Y对于的数据矩阵
Xq,Yq是用于插值的坐标
若Xq与Yq中有在X与Y范围之外的点,则相应地返回nan(Not a Number)
matlab中的interp2为基于网格的插值,不需要考虑参考资料3中的情况,所以直接按公式2计算即可。
不同于图1所画,matlab插值时是以坐标(1,1)的位置为原点,列方向为x方向,行方向为y方向。
python下简单实现双线性插值interp2算法
直接上代码:
def interp2(x,y,img,xi,yi):
"""
x, y: 初始坐标
img: 待插值图像
xi, yi: 插值图像坐标
使用双线性插值实现:
-----------------------------
| q11(x1, y1) | q12(x1, y2) |
-----------------------------
| q21(x2, y1) | q22(x2, y2) |
-----------------------------
f(x, y) = 1/(x2-x1)(y2-y1) * [f(x1,y1)*(x2-x)(y2-y)) + f(x1, y2)*(x2-x)(y-y1) + f(x2, y1)*(x-x1)(y2-y)
+ f(x2, y2)*(x-x1)(y-y1)]
"""
img_itp = np.ones([len(xi), len(yi)])
for i in range(len(x)-1):
for j in range(len(y)-1) :
y2_y1 = y[j+1] - y[j]
x2_x1 = x[i+1] - x[i]
for m in range(int(x[i]), int(x[i+1])):
for n in range(int(y[j]), int(y[j+1])):
# x2 - x, x - x1, ...
x2_x = x[i+1] - xi[m]
x_x1 = xi[m] - x[i]
y2_y = y[j+1] - yi[n]
y_y1 = yi[n] - y[j]
# q11: img[j, i], q12: img[j, i+1], q21: img[j+1, i], q22: img[j+1, i+1]
img_itp[n, m] = (img[j, i] * y2_y * x2_x + \
img[j, i+1] * y2_y * x_x1 + \
img[j+1, i] * y_y1 * x2_x + \
img[j+1, i+1] * y_y1 * x_x1 ) / y2_y1 / x2_x1
return img_itp