图片缩放 算法 matlab,图像放大算法总结及MATLAB源程序.doc

图像放大算法总结及MATLAB源程序

1，插值算法(3种)：

(1)最邻近插值(近邻取样法)：　　最近插值的的思想很简单就是把这个非整数坐标作一个四舍五入，取最近的整数点坐标处的点的颜色。可见，最邻近插值简单且直观，但得到的图像质量不高最邻近插值 = imread('F:\lena.jpg');%读取图像信息

imshow(A); %显示原图

title('原图128*128');

Row = size(A,1); Col = size(A,2);%图像行数和列数

nn=8;%放大倍数

m = round(nn*Row);%求出变换后的坐标的最大值

n = round(nn*Col);

B = zeros(m,n,3);%定义变换后的图像

for i = 1 : m

for j = 1 : n

x = round(i/nn); y = round(j/nn);%最小临近法对图像进行插值

if x==0 x = 1; end

if y==0 y = 1; end

if x>Row x = Row; end

if y>Col y = Col;end

B(i,j,:) = A(x,y,:);

end

end

B = uint8(B);%将矩阵转换成8位无符号整数

figure;

imshow(B);

title('最邻近插值法放大8倍1024*1024');

运行程序后，原图如图1所示：

图1

用最邻近插值双线性内插：双线性内插对于一个目的像素，设置坐标通过反向变换得到的浮点坐标为(i+u,j+v)，其中i、j均为非负整数，u、v为[0,1)区间的浮点数，则这个像素得值 f(i+u,j+v) 可由原图像中坐标为 (i,j)、(i+1,j)、(i,j+1)、(i+1,j+1)所对应的周围四个像素的值决定，即：

f(i+u,j+v) = (1-u)(1-v)f(i,j) + (1-u)vf(i,j+1) + u(1-v)f(i+1,j) + uvf(i+1,j+1)

其中f(i,j)表示源图像(i,j)处的的像素值，以此类推这就是双线性内插值法。双线性内插值法计算量大，但缩放后图像质量高，不会出现像素值不连续的的情况。由于双线性插值具有低通滤波器的性质，使高频分量受损，所以可能会使图像轮廓在一定程度上变得模糊imresize( )来实现双线性内插值算法。

双线性内插值算法的MATLAB源代码为：

A=imread('F:\lena.jpg');

imshow(A);

title('原图128*128');

C=imresize(A,8,'bilinear'); %双线性插值

figure;

imshow(C);

title('双线性内插值法放大8倍1024*1024');

程序运行后，原图如图3所示：

图3

双线性内插值法放大8倍后的图如图4所示：

图4

(3)双三次法法能够克服以上两种算法的不足，计算精度高，但计算大，考虑一个浮点坐标(i+u,j+v)周围的16个邻点目的像素值f(i+u,j+v)可由如下插值公式得到：f(i+u,j+v) = [A] * [B] * [C]

[A]=[ S(u + 1)　S(u + 0)　S(u - 1)　S(u - 2) ][C]=[ S(v + 1)　S(+ 0)　S( - 1)　S( - 2) ]T;

而[B]是周围16个邻点组成的4*4的矩阵；S(x)是对 Sin(x*π)/x 的逼近imresize( )来实现双三次插值算法。MATLAB源代码为：

A=imread('F:\lena.jpg'); %读取原图像

D=imresize(A,8,'bicubic'); %双三次插值放大8倍

figure;

imshow(D);

title('三次卷积法放大8倍1024*1024');

MATLAB自带双三次插值法运行结果如图5所示：

图5

也可以自己编写双三次插值算法MATLAB代码如下：

clc,clear;

ff=imread('F:\lena.jpg'); %读取图像到ff

k=8; %设置放大倍数

[m,n,color]=size(ff);

f=zeros(m,n); %将彩色图像ff转换为黑白图像f

for i=1:m

for j=1:n

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

end

end

a=f(1,:);c=f(m,:); %将待插值图像矩阵前后各扩展两行两列,共扩展四行四列

b=[f(1,1),f(1,1),f(:,1)',f(m,1),f(m,1)];d=