matlab 矩阵降采,关于down-sample matrix (降采样矩阵)（转）

在超分辨率图像重建中，有一个很重要的环节就是精确建立HR图像到LR的图像退化模型。简单来说，退化模型就是对CCD成像系统的数学描述，包括：降采样矩阵、变形矩阵、模糊矩阵以及均值为零的加性高斯白噪声；函数形式为：Y=CSZ+N，其中，Y是LR图像序列，Z是HR图像，N是噪声，C是位移矩阵，而S就是降采样矩阵。A=CS，A称为运动补偿矩阵。

在我阅读过的相关文献里，都提到了所谓的降采样矩阵，并且指出该矩阵的维是(M*N) X

(q*q*M*N)。其中，M、N是LR图像的大小，q是降采样系数；例如，如果分辨率降低一半，那么q=2。根据数学表达式，我曾经考虑A与Z之间的关系是卷积运算，但是我动手做实验之后，彻底否决了卷积的可能性。

本来，降采样矩阵并不是什么很难理解的问题。但是，由于我的注意力完全集中于论文，因此思路被严重限制了。在队友的提示下，昨天我在旧书店待了一下午，最后终于在一本机械工业出版社出版的《数字图像处理》中看到了关于图像采样的比较详细的论述。

以下就是我在matlab平台上实现的64X64到32X32的降采样矩阵，本来是想实现256X256到64X64的降采样矩阵，但是很无奈，matlab提示out

of memory。

f=imread(‘lena.bmp');

[m]=size(f);

k=0;

for i=1:m(1)

for j=1:m(2)

k=k+1;

ff(k)=f(i,j);

end

end

ff=ff';

ff=double(ff);

clear i j k

s=zeros(32*32,64*64);

for i=1:1024

s(i,floor((i-1)/32)*128+2*(i-floor((i-1)/32)*32)-1)=1;

s(i,floor((i-1)/32)*128+2*(i-floor((i-1)/32)*32))=1;

s(i,floor((i-1)/32)*128+2*(i-floor((i-1)/32)*32)-1+64)=1;

s(i,floor((i-1)/32)*128+2*(i-floor((i-1)/32)*32)+64)=1;

end

clear i j

gg=s*ff;

for i=1:32

for j=1:32

g(i,j)=gg((i-1)*32+j,:);

end

end

g=g./4;

g=im2uint8(mat2gray(g));

subplot(211),imshow(f)

subplot(212),imshow(g)