python插值_最近邻插值与双线性插值基本原理及Python实现

1 最近邻插值

1.1 基本原理

假定

源图像

的尺寸为

经最近邻插值处理后的图像

的尺寸为

由此可以得到缩放倍数

现取

图像中的一点

，可以知道对应在

图像中的理论计算位置为

而上式得出来的在A中的理论位置数值显然可能为小数，这代表该点在

中无实际对应点，此时对其四舍五入，即是把

图像中距离该理论点最近的一个的点当作它，即为最近邻插值。

1.2 Code

import numpy as np

import math

def nearest_neighbor(input_signal, zoom_multiples):

'''

最近邻插值(适用于灰度图)

:param input_signal: 输入图像

:param zoom_multiples: 缩放倍数

:return: 缩放后的图像

'''

input_signal_cp = np.copy(input_signal) # 输入图像的副本

input_row, input_col = input_signal_cp.shape # 输入图像的尺寸(行、列)

# 输出图像的尺寸

output_row = int(input_row * zoom_multiples)

output_col = int(input_col * zoom_multiples)

output_signal = np.zeros((output_row, output_col)) # 输出图片

for i in range(output_row):

for j in range(output_col):

# 输出图片中坐标 (i，j)对应至输入图片中的(m，n)

m = round(i / output_row * input_row)

n = round(j / output_col * input_col)

# 防止四舍五入后越界

if m >= input_row:

m = input_row - 1

if n >= input_col:

n = input_col - 1

# 插值

output_signal[i, j] = input_signal_cp[m, n]

return output_signal

1.3 对比

放大倍数 = 10

原图

使用最近邻插值放大十倍

放大倍数=0.5

原图

使用最近邻插值缩小一倍

2 双线性插值

2.1 基本原理

实际上，双线性插值的原理同最近邻类似，首先同样的步骤根据放大倍数与缩放前后的图像尺寸找到

图像中

对应

图像中

，然后找到它最近的四个点，根据下列表达式计算该点的值，即完成双线性插值。

其中

为向下取整

相对于最近邻插值简单的四舍五入，双线性插值的处理更为科学，优化了边缘保护。

2.2 Code

import numpy as np

import math

def double_linear(input_signal, zoom_multiples):

'''

双线性插值

:param input_signal: 输入图像

:param zoom_multiples: 放大倍数

:return: 双线性插值后的图像

'''

input_signal_cp = np.copy(input_signal) # 输入图像的副本

input_row, input_col = input_signal_cp.shape # 输入图像的尺寸(行、列)

# 输出图像的尺寸

output_row = int(input_row * zoom_multiples)

output_col = int(input_col * zoom_multiples)

output_signal = np.zeros((output_row, output_col)) # 输出图片

for i in range(output_row):

for j in range(output_col):

# 输出图片中坐标 (i，j)对应至输入图片中的最近的四个点点(x1，y1)(x2, y2)，(x3， y3)，(x4，y4)的均值

temp_x = i / output_row * input_row

temp_y = j / output_col * input_col

x1 = int(temp_x)

y1 = int(temp_y)

x2 = x1

y2 = y1 + 1

x3 = x1 + 1

y3 = y1

x4 = x1 + 1

y4 = y1 + 1

u = temp_x - x1

v = temp_y - y1

# 防止越界

if x4 >= input_row:

x4 = input_row - 1

x2 = x4

x1 = x4 - 1

x3 = x4 - 1

if y4 >= input_col:

y4 = input_col - 1

y3 = y4

y1 = y4 - 1

y2 = y4 - 1

# 插值

output_signal[i, j] = (1-u)*(1-v)*int(input_signal_cp[x1, y1]) + (1-u)*v*int(input_signal_cp[x2, y2]) + u*(1-v)*int(input_signal_cp[x3, y3]) + u*v*int(input_signal_cp[x4, y4])

return output_signal

2.3 对比

放大倍数 = 0.5

原图

使用最近邻插值缩小一倍

放大倍数 = 10

原图

使用最近邻插值放大十倍

3 GitHub