机器视觉 - 数字图像&插值算法 - 第四天

分辨率是一个密度概念，不是数量概念不是说数量越多越好，而是密度越大越好。

计算机视觉中描述图片都是采用像素单位，不会用长度单位，比如说1920x1080是像素的单位。

通道可以用一个例子来理解：三张不同颜色的纸重叠，一个像素相当于在上面用针扎一个眼。

 

 

 

放大和缩小图片是会是失真的，因为像素个数相同，图像变大了一定会出现失真。为避免失真可以采用上采样和下采样的方法以此来增加像素点的个数。

插值：简而言之就是插入一些像素点。

最邻近插值，无论放大缩小，都可以使用。简单粗暴，但是又很有效果

双线性插值：其实就是做了两次单线性插值

总结：双线性插值和最邻接插值的最终目的都是一样的，都在往里面插值，添加像素点，只不过方法不同而已。

import numpy as np
import cv2
 
'''
python implementation of bilinear interpolation
''' 
def bilinear_interpolation(img,out_dim):
    src_h, src_w, channel = img.shape
    dst_h, dst_w = out_dim[1], out_dim[0]
    print ("src_h, src_w = ", src_h, src_w)
    print ("dst_h, dst_w = ", dst_h, dst_w)
    if src_h == dst_h and src_w == dst_w:
        return img.copy()
    dst_img = np.zeros((dst_h,dst_w,3),dtype=np.uint8)
    scale_x, scale_y = float(src_w) / dst_w, float(src_h) / dst_h
    for i in range(3):
        for dst_y in range(dst_h):
            for dst_x in range(dst_w):
 
                # find the origin x and y coordinates of dst image x and y
                # use geometric center symmetry
                # if use direct way, src_x = dst_x * scale_x
                src_x = (dst_x + 0.5) * scale_x-0.5
                src_y = (dst_y + 0.5) * scale_y-0.5
 
                # find the coordinates of the points which will be used to compute the interpolation
                src_x0 = int(np.floor(src_x))
                src_x1 = min(src_x0 + 1 ,src_w - 1)
                src_y0 = int(np.floor(src_y))
                src_y1 = min(src_y0 + 1, src_h - 1)
 
                # calculate the interpolation
                temp0 = (src_x1 - src_x) * img[src_y0,src_x0,i] + (src_x - src_x0) * img[src_y0,src_x1,i]
                temp1 = (src_x1 - src_x) * img[src_y1,src_x0,i] + (src_x - src_x0) * img[src_y1,src_x1,i]
                dst_img[dst_y,dst_x,i] = int((src_y1 - src_y) * temp0 + (src_y - src_y0) * temp1)
 
    return dst_img
 
 
if __name__ == '__main__':
    img = cv2.imread('lenna.png')
    dst = bilinear_interpolation(img,(700,700))
    cv2.imshow( 'bilinear interp',dst)
    cv2.waitKey()