【图像处理基础】1.图像插值算法

---

1.图像插值算法原理介绍

所谓插值算法，意思是在已有图片的情况下，在像素与像素之间插入新的像素，当然不止是用于像素插入使图像扩增，也可以用于图像缩放，那么新的像素怎么取值呢，下面介绍两种取值方法。

1.1最近邻插值算法

顾名思义，最近邻插值算法值的是插的新像素与和它最相邻像素的取值相同。

如上图所示，若插入的新像素位于P位置，可以看到Q11与它最近，所以f( P)=f(Q11)。

• 算法过程：
  最近邻插值算法的过程是首先假设原图是一个像素大小为W×H的图片，缩放后的图片是一个像素大小为w×h的图片，这时候我们是已知原图中每个像素点上的像素值（即灰度值等）的（⚠️像素点对应像素值的坐标都是整数）。这个时候已知缩放后有一个像素点为(X,Y)，想要得到该像素点的像素值，那么就要根据缩放比例去查看其对应的原图的像素点的像素值(x,y)，然后将该像素值赋值给该缩放后图片的像素点(X,Y)

• 缩放公式：
  根据横轴，即宽可得：X/x = W/w
  根据纵轴，即高可得：Y/y = H/h
  那么能够得到 f（X,Y）= f( W/w × x, H/h ×y)
  因此这个时候缩放后的图片像素点(x,y)的像素值就对应着原图像素点( W/w × x, H/h ×y)的像素值，若这个值非整数，则根据最近邻插值法，四舍五入取离这个值最近的整数作为最终结果。

• 举例说明：

  • 放大图片的例子
    若将1副3×3的图片放大的4×4，用f(x,y)表示目标图像，h(x,y)表示原图像。
    则f（x,y）=h(3/4×x,3/4×y)
    所以f(1,1)=h(0.75,0.75)=h(1,1),f(0,3)=h(0,2.25)=h(0,2)

  • 缩小图片的例子
    若将1副5×5的图片缩小成3×3
    则 f(x,y)=h(5/3×x，5/3×y)
    所以，f(1,1)=h(5/3,5/3)=h(2,2), f(0,3)=h(0,5)

• 优缺点
  这种方法的好处就是简单，但是坏处就是太过粗暴，会缺失精度，造成缩放后的图像灰度上的不连续，在变化地方可能出现明显块状效应，如下图所示：
  

1.2线性插值法

如图所示，我们已知(x0,y0),(x1,y1)和x，需要求得y的值
可以得到：

进而得到：

可以看到，y的值的求法是用x和x0，x1的距离作为一个权重，用于y0和y1的加权。

1.3双线性插值

双线性插值是线性插值在二维时的推广，其核心思想是在两个方向分别进行一次线性插值。

假如我们想得到未知函数 f 在点 P = (x, y) 的值，假设我们已知函数 f 在 Q11 = (x1, y1)、Q12 = (x1, y2), Q21 = (x2, y1) 以及 Q22 = (x2, y2) 四个