在图像处理中,双线性插值算法的使用频率相当高,比如在图像的缩放中,在所有的扭曲算法中,都可以利用该算法改进处理的视觉效果。首先,我们看看该算法的简介。
在数学上,双线性插值算法可以看成是两个变量间的线性插值的延伸。执行该过程的关键思路是先在一个方向上执行线性插值,然后再在另外一个方向上插值。下图示意出这个过程的大概意思。
用一个简单的数学表达式可以表示如下:
f(x,y)=f(0,0)(1-x)(1-y)+f(1,0)x(1-y)+f(0,1)(1-x)y+f(1,1)xy
合并有关项,可写为: f(x,y)=(f(0,0)(1-x)+f(1,0)x) (1-y)+(f(0,1)(1-x)+f(1,1)x)y
由上式可以看出,这个过程存在着大量的浮点数运算,对于图像这样大的计算用户来说,是一个较为耗时的过程。
考虑到图像的特殊性,他的像素值的计算结果需要落在0到255之间,最多只有256种结果,由上式可以看出,一般情况下,计算出的f(x,y)是个浮点数,我们还需要对该浮点数进行取整。因此,我们可以考虑将该过程中的所有类似于1-x、1-y的变量放大合适的倍数,得到对应的整数,最后再除以一个合适的整数作为插值的结果。
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。
综合考虑上述三条,我们选择2048这个数比较合适。
下面我们假定某个算法得到了我们要取样的坐标分别PosX以及PosY,其中PosX=25.489,PosY=58.698。则这个过程的类似代码片段如下:
1
NewX
=
Int(PosX)
'
向下取整,NewX=25
2
NewY
=
Int(PosY)
'
向下取整,NewY=58
3
PartX
=
(PosX
-
NewX)
*
2048
'
对应表达式中的X
4
PartY
=
(PosY
-
NewY)
*
2048
'
对应表达式中的Y
5
InvX
=
2048
-
PartX
'
对应表达式中的1-X
6
InvY
=
2048
-
PartY
'
对应表达式中的1-Y
7
8
Index1
=
SamStride
*
NewY
+
NewX
*
3
'
计算取样点左上角邻近的那个像素点的内存地址
9
Index2
=
Index1
+
SamStride
'
左下角像素点地址
10
ImageData(Speed
+
2)
=
((Sample(Index1
+
2)
*
InvX
+
Sample(Index1
+
5)
*
PartX)
*
InvY
+
(Sample(Index2
+
2)
*
InvX
+
Sample(Index2
+
5)
*
PartX)
*
PartY)
\
4194304 '处理红色分量
11
ImageData(Speed
+
1)
=
((Sample(Index1
+
1)
*
InvX
+
Sample(Index1
+
4)
*
PartX)
*
InvY
+
(Sample(Index2
+
1)
*
InvX
+
Sample(Index2
+
4)
*
PartX)
*
PartY)
\
4194304 '处理绿色分量
12
ImageData(Speed)
=
((Sample(Index1)
*
InvX
+
Sample(Index1
+
3)
*
PartX)
*
InvY
+
(Sample(Index2)
*
InvX
+
Sample(Index2
+
3)
*
PartX)
*
PartY)
\
4194304 '处理蓝色分量
以上代码中涉及到的变量都为整型(PosX及PosY当然为浮点型)。
代码中Sample数组保存了从中取样的图像数据,SamStride为该图像的扫描行大小。
观察上述代码,除了有2句涉及到了浮点计算,其他都是整数之间的运算。
在Basic语言中,编译时如果勾选所有的高级优化,则\ 4194304会被编译为>>22,即右移22位,如果使用的是C语言,则直接写为>>22。
需要注意的是,在进行这代代码前,需要保证PosX以及PosY在合理的范围内,即不能超出取样图像的宽度和高度范围。
通过这样的改进,速度较直接用浮点类型快至少100%以上,而处理后的效果基本没有什么区别。
共享一段利用该方式处理图像缩放的程序:http://files.cnblogs.com/Imageshop/VBScale.rar