双线性插值
插值的使用是很重要的,在MATLAB中有默认的imresize函数可以实现各种常用的插值算法。在图像融合的一些处理中需要用到上/下采样,此时合理运用插值算法可以达成中间步骤。
作为经典的插值算法,双线性易于实现,原理简单.
思路
通过映射的方法,找出原像素点(x,y)到映射像素点(m,n)的灰度值的映射关系。
①、设处理前后图像的宽度和高度分别为w、h,w’、h’。
②、通过缩放比例,可以求得新图像B在(i,j)处对应原图像的点为(x,y)。举例:原图像256256,想要生成512512的大小,那么新图像的点(i,j)=原图像的点(i/2,j/2)。
方法
①、如果每个点都恰好有对应的点就最好不过了,但是
②、这两个值(x,y)可能为浮点数,而像素中的位置是整数,所以这个点在原图像中对应的可能是虚点,有理论值,但无确切对应点。
③、所以,根据该虚点周围的四个点来进行双线性插值得到新图像的灰度值。取(x,y)邻近的四个像素(x0,y0) 、(x0,y1) 、(x1,y0) 、(x1,y1),它们对应的灰度值为f(x0,y0) 、f(x0,y1)、 f(x1,y0)、 f(x1,y1)。
④、从x的方向先开始插值:
⑤、注:u,v分别是m,n的小数部分。公式中的m和n不能小于1,所以当m和n小于1时需要将其重新赋值为1。先对X插值和先对Y插值得到的结果是没有区别的。
MATLAB实现
function B=fchazhi(A,new_size)
A=double(A);
[old_h,old_w]=size(A); %获取原图大小。
new_w=new_size(1,1);
new_h=new_size(1,2);
B=zeros(new_w,new_h); %初始化一个新图大小的矩阵。
for i=1:new_w
for j=1:new_h
x=i*old_w/new_w; %计算新图像在原图像的映射位置(x,y);
y=j*old_h/new_h;
u=x-floor(x);
v=y-floor(y);
if x<1
x=1;
end
if y<1