OpenCV插值算法原理

插值算法

在对图像经过仿射变换（拉伸，旋转）后，图像的形状和位置发生了变化，那么变化过后的图像，每一个像素点的像素值该是多少呢？？
一般是通过仿射变换的逆变换计算出原来对应的像素值，例如$f_{input}(1,1)=100$，现在把图像放大两倍那么输出图像$f_{ouput}(2,2)=f_{input}(1,1)=100$
$$f_o(x^{\ast },y^{\ast })=inverse(f_{input}(x,y))$$
但是还有个问题。
$f_{output}(3,3)$是多少？？，输入图像可以没有$f_{input}(1.5,1.5)$这个像素点，这时候就要用到插值算法了。

近邻插值法

这个方法的精度不是很高，应该没有在使用了。但便于理解，

原理

通过输出图像计算出它在原图上的坐标点==（整数）==，如果计算的结果是整数，那直接使用。反之就要看它周围那个点离它最近，就使用最近点的像素值。
假若有一张图像矩阵如下：只有两行三列

array([[40, 41, 42],
       [43, 44, 45]])

现在我要把它放大两倍，结果应该是什么样呢，下面是一种可能的答案

array([[40, 40, 41, 41, 42, 42],
       [40, 40, 41, 41, 42, 42],
       [43, 43, 44, 44, 45, 45],
       [43, 43, 44, 44, 45, 45]])

这只是一种可能答案，因为(1.5, 1.5)这个点到它离周围距离一样，选谁都可以了，这里就图方便选择了左上角。

CODE

# Nereset Neighbor interpolation
def nn_interpolation(img: np.ndarray, ax=1, ay=1): 
    # ax ay表示放大率
    H,W,C = img.shape
    
    aH = int(ay * H)
    aW = int(ax * W) 
    
    # 此处的坐标系是（0，0）在左上角
    # 先计算出输出图像的坐标
    y = np.arange(aH).repeat(aW).reshape(aH,-1)
    x = np.tile(np.arange(aW),(aH,1))
    
    # 再计算出对应输入图像上的坐标
    y = np.round(y//ay).astype(np.int)
    x = np.round(x//ax).astype(np.int) 
    # 给输出图像赋值
    out = img[y,x]
    out = out.astype(np.uint8)
    return out

plt.imshow(nn_interpolation(lena1, ax=2, ay=1))

双线性插值

单线性插值

设有函数$f(x)$，在二维直角坐标系中给定两个点$(x_0,f(x_0)),(x_{}$