python双线性插值函数_OpenCV ——双线性插值（Bilinear interpolation）

最新推荐文章于 2024-08-22 15:51:16 发布

weixin_39600704

最新推荐文章于 2024-08-22 15:51:16 发布

阅读量2.4k

点赞数 1

文章标签： python双线性插值函数

本文详细介绍了图像处理中的双线性插值原理，通过一个3*3灰度图的放大例子说明最邻近插值的不足，并对比介绍了双线性插值的优势。双线性插值通过利用源图像中虚拟点四周像素共同决定目标图像像素值，提高缩放效果。文章还讨论了计算方法、加速策略，包括源图像和目标图像的几何中心对齐以及将浮点运算转换为整数运算，并给出了OpenCV中双线性插值的优化代码实现。

摘要由CSDN通过智能技术生成

1，原理

在图像的仿射变换中，很多地方需要用到插值运算，常见的插值运算包括最邻近插值，双线性插值，双三次插值，兰索思插值等方法，OpenCV提供了很多方法，其中，双线性插值由于折中的插值效果和运算速度，运用比较广泛。

越是简单的模型越适合用来举例子，我们就举个简单的图像：3*3 的256级灰度图。假如图像的象素矩阵如下图所示(这个原始图把它叫做源图，Source)：

234 38 22

67 44 12

89 65 63

这个矩阵中，元素坐标(x,y)是这样确定的，x从左到右，从0开始，y从上到下，也是从零开始，这是图象处理中最常用的坐标系。

如果想把这副图放大为 4*4大小的图像，那么该怎么做呢？那么第一步肯定想到的是先把4*4的矩阵先画出来再说，好了矩阵画出来了，如下所示，当然，矩阵的每个像素都是未知数，等待着我们去填充(这个将要被填充的图的叫做目标图,Destination)：

? ? ? ?

然后要往这个空的矩阵里面填值了，要填的值从哪里来来呢？是从源图中来，好，先填写目标图最左上角的象素，坐标为(0，0)，那么该坐标对应源图中的坐标可以由如下公式得出srcX=dstX* (srcWidth/dstWidth) , srcY = dstY * (srcHeight/dstHeight)

好了，套用公式，就可以找到对应的原图的坐标了(0*(3/4),0*(3/4))=>(0*0.75,0*0.75)=>(0,0)，找到了源图的对应坐标,就可以把源图中坐标为(0,0)处的234象素值填进去目标图的(0,0)这个位置了。

接下来,如法炮制,寻找目标图中坐标为(1,0)的象素对应源图中的坐标,套用公式:

(1*0.75,0*0.75)=>(0.75,0) 结果发现,得到的坐标里面竟然有小数,这可怎么办?计算机里的图像可是数字图像,象素就是最小单位了,象素的坐标都是整数,从来没有小数坐标。这时候采用的一种策略就是采用四舍五入的方法(也可以采用直接舍掉小数位的方法)，把非整数坐标转换成整数，好，那么按照四舍五入的方法就得到坐标(1，0)，完整的运算过程就是这样的：(1*0.75,0*0.75)=>(0.75,0)=>(1,0) 那么就可以再填一个象素到目标矩阵中了࿰