底层实现图形缩放（jupyter notebook）| 最近邻法和双线性插值法

环境

jupyter notebook、python3.8、vscode、win11

基础知识

常见图形缩放方法

空间域缩放方法

• 最近邻插值法
• 双线性插值法
• 立方插值法

常见空间域缩放方法的比较：

方法	优点	缺点
最近邻插值	简单快速	容易产生锯齿
双线性插值	平滑图像	可能导致细节模糊
立方插值	效果更好	计算量较大

频域方法

• 傅里叶插值
• Lanczos 插值

这里只讲最近邻和双线性

 公式

最近邻

双线性

 

代码 

最近邻

'''
方法1：最近邻方法
    参数：img图像，scale扩大比例
    坐标轴上各点 xi-1，xi，xi+1 ... 两两对半等分间隔，
    从而非边界的各坐标点都有一个等宽的邻域，
    并根据每个坐标点的值构成一个类似分段函数的函数约束，
    从而使各插值坐标点的值等同于所在邻域原坐标点的值。
    例如，插值点 x 坐落于 坐标点 xi 的邻域，那么其值 f(x) = f(xi)
'''
def my_resize_nearest(img,scale):   
    height,width,_=img.shape    # 获取图像的高和宽
    new_height,new_width=int(height*scale),int(width*scale) # 按扩大比例增大高和宽

    new_img=np.zeros((new_height,new_width,3),np.uint8)     # 以新的高和宽创建RGB（3）的全零数组，uint8最大值是255
     # 3表示图像有3个通道（RGB），np.uint8是指定数组的数据类型为无符号8位整数。


    for i in range(new_height):
        for j in range(new_width):
        # 遍历放大后每个像素位置
            x=int(i/scale)  
            y=int(j/scale)

            new_img[i,j]=img[x,y]

    return new_img  # 返回扩大后的图像

 双线性

'''
方法2：双线性插值法
    参数：img图像，scale扩大比例
    由推导得，双线性插值的结果为：
    f(x,y) = f(x0,y0)*[(y1-y )(x1-x )] / [(y1-y0)(x1-x0)] +
             f(x1,y0)*[(y1-y )(x1-x0)] / [(y1-y0)(x1-x0)] +
             f(x0,y1)*[(y1-y0)(x1-x )] / [(y1-y0)(x1-x0)] +
                      [(y -y0)(x -x0)] / [(y1-y0)(x1-x0)]


'''
def my_resize_bilinear(img,scale):
    height,width,_=img.shape    # 获取图像的高和宽
    new_height,new_width=int(height*scale),int(width*scale) # 按扩大比例增大高和宽

    new_img=np.zeros((new_height,new_width,3),np.uint8)     # 以新的高和宽创建RGB（3）的全零数组，uint8最大值是255
     # 3表示图像有3个通道（RGB），np.uint8是指定数组的数据类型为无符号8位整数。


    for i in range(new_height):
        for j in range(new_width):
        # 遍历放大后每个像素位置

            # 除以scale,计算当前像素位置在原始图像中的位置（以浮点数表示）
            x=i/scale
            y=j/scale

            # 将x和y向下取整，得到原始图像中与当前位置最近的左上角像素位置。
            x0=int(x)   # x0=x向下取整
            y0=int(y)

            # 计算原始图像中与当前位置最近的右下角像素位置。
            # min函数确保不越界。
            x1=min(x0+1,height-1)
            y1=min(y0+1,width-1)

            # 计算当前像素相对于左上角像素位置的偏移量。
            dx=x-x0 # 1-dx = 1 - x + x0 = x1 - x
            dy=y-y0 # 1-dy = 1 - y + y0 = y1 - y

            # 使用双线性插值计算当前像素灰度值。
            new_img[i,j]=img[x0,y0]*(1-dx)*(1-dy)+img[x1,y0]*dx*(1-dy)+img[x0,y1]*(1-dx)*dy

    return new_img  # 返回新图像

参考资料

OpenCV 笔记(22)：图像的缩放——最近邻插值、双线性插值算法 - 简书 (jianshu.com)

图像处理: 五种 插值法_图像放大插值算法-CSDN博客