图像插值算法

最近邻插值

通过一种计算方法，比对原来图像的位置信息，以最近位置的数据进行填充。
缺点：有时候图像会失真，用该方法作放大处理时，在图象中可能出现明显的块状效应。

双线性插值

公式

$$y=y_0+\left(x-x_0\right)\frac{y_1-y_0}{x_1-x_0}=y_0+\frac{\left(x-x_0\right)y_1-\left(x-x_0\right)y_0}{x_1-x_0}$$
通过计算相应位置上的均值进行填充

映射

  可以将几何运算想象成一次一个象素地转移到输出图象中。如果一个输入象素被映射到四个输出象素之间的位置，则其灰度值就按插值算法在4个输出象素之间进行分配。
优点：旋转、拉伸、放缩可以使用，解决了漏点的问题。
缺点：出现了马赛克。

练习代码

import cv2
if __name__ == "__main__":
    img=cv2.imread('D://2233.jpg',cv2.IMREAD_UNCHANGED)
    print('Original Dimensions:',img.shape)
    
    Scale_persent=30
    width=int(img.shape[1]*Scale_persent/100)
    height=int(img.shape[0]*Scale_persent/100)
    dim=(width,height)

    resized=cv2.resize(img,dim,interpolation=cv2.INTER_LINEAR)

    fx=1.5
    fy=1.5

    resized1=cv2.resize(resized,dsize=None,fx=fx,fy=fy,interpolation=cv2.INTER_NEAREST)
    resized2=cv2.resize(resized,dsize=None,fx=fx,fy=fy,interpolation=cv2.INTER_LINEAR)

    print(resized.shape)
    cv2.imshow("Resized image", resized)
    cv2.imshow("INTER_NEAREST image", resized1)
    cv2.imshow("INTER_LINEAR image", resized2)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

出现的问题及解决方式

问题：

 line 4, in <module>
	    print('Original Dimensions:',img.shape)
	AttributeError: 'NoneType' object has no attribute 'shape'

解决方式：最开始时使用了中文目录，从而使图片无法导入，进而出现问题。