实验要求:
1)实现一个图像缩放函数,可以对输入图像进行任意倍数的缩放;
2)采用双线性插值进行重采样;
3)X,Y方向的缩放倍数参函数参数的形式传入;
4)可以只考虑输入图像为3通道,8位深度的情况;
5)不能调用图像处理库的缩放函数来完成;
参考函数:void Scale(const MyImage &input, MyImage &output, double sx, double sy);
实验思路:
1.其实这个和OpenCV实验(4)中的缩放是一样的,也都是双线性插值
2.由于函数要求传入imgDst也就是输出图像,所以为了传入一个维度相同的imgDst,写了一个makeImgDst的函数,会发现这个是明智之举
3.实验4和5的双线性插值根据
https://blog.csdn.net/pentiumCM/article/details/104720100
实验效果:
实验代码:
import numpy as np
import cv2 as cv
import math
def Scale(imgSrc, imgDst, scaleRow, scaleCol):
"""
双线性插值法,来调整图片尺寸
:param imgSrc: 原始图片
:param imgDst: 调整后的目标图片的尺寸
:param scaleRow: x的倍数变化,eg. 0.5; 1; 2
:param scaleCol: y的倍数变化,eg. 0.5; 1; 2
:return: time 执行时间
"""
timeBegin = cv.getTickCount() # 记录开始时间
rowsSrc, colsSrc, channels = imgSrc.shape
rowsDst = int(rowsSrc*scaleRow)
colsDst = int(colsSrc*scaleCol)
# i:纵坐标y,j:横坐标x
# 缩放因子,scaleCol 和 scaleRow,和函数的参数不一样
scaleCol = colsSrc / colsDst
scaleRow = rowsSrc / rowsDst
for i in range(rowsDst):
for j in range(colsDst):
srcX = float((j + 0.5) * scaleCol - 0.5)
srcY = float((i + 0.5) * scaleRow - 0.5)
# 向下取整,代表靠近源点的左上角的那一点的行列号
srcXint = math.floor(srcX)
srcYint = math.floor(srcY)
# 取出小数部分,用于构造权值
srcXfloat = srcX - srcXint
srcYfloat = srcY - srcYint
if srcXint + 1 == colsSrc or srcYint + 1 == rowsSrc:
imgDst[i, j, :] = imgSrc[srcYint, srcXint, :]
continue
imgDst[i, j, :] = (1. - srcYfloat) * (1. - srcXfloat) * imgSrc[srcYint, srcXint, :] + \
(1. - srcYfloat) * srcXfloat * imgSrc[srcYint, srcXint + 1, :] + \
srcYfloat * (1. - srcXfloat) * imgSrc[srcYint + 1, srcXint, :] + \
srcYfloat * srcXfloat * imgSrc[srcYint + 1, srcXint + 1, :]
timeEnd = cv.getTickCount() # 记录结束时间
time = (timeEnd - timeBegin) / cv.getTickFrequency() # 计算总时间
imgDst.shape = imgDst.shape
imgDst = imgDst.copy()
return time
def makeImgDst(imgSrc, scaleRow, scaleCol):
"""
返回一个imgDst,用于Scale中的第二个参数
:param imgSrc: 原始图片
:param scaleRow: x的倍数变化,eg. 0.5; 1; 2
:param scaleCol: y的倍数变化,eg. 0.5; 1; 2
:return: imgDst 输出图像
"""
rowsSrc, colsSrc, channels = imgSrc.shape
rowsDst = int(rowsSrc*scaleRow)
colsDst = int(colsSrc*scaleCol)
imgDst = np.zeros((rowsDst, colsDst, channels), dtype='uint8')
return imgDst
# x和y轴的缩放倍数,该实验可尝试:x = 1.44, y = 0.64
x = float(input('The scale of X: '))
y = float(input('The scale of Y: '))
# 输入图像
imgSrc = cv.imread('../images/images3_1/lab2.png')
# 输出图像
imgDst = makeImgDst(imgSrc, x, y)
# 缩放
time = Scale(imgSrc, imgDst, x, y)
nameImg = 'scale x: %.2f scale y: %.2f' % (x, y)
cv.imshow('source', imgSrc)
cv.imshow(nameImg, imgDst)
print('\nSuccessful!!!')
print('Scale time: %.4f s' % time)
cv.waitKey(0)
cv.destroyAllWindows()