1 线性插值
设函数 y = f ( x ) y=f(x) y=f(x)在两点 x 0 x_{0} x0、 x 1 x_{1} x1上的值分别为 y 0 y_{0} y0、 y 1 y_{1} y1。求多项式 y = p 1 ( x ) = a 0 + a 1 x y=p_{1}(x)=a_{0}+a_{1}x y=p1(x)=a0+a1x,使满足 p 1 ( x 0 ) = y 0 , p 1 ( x 1 ) = y 1 p_{1}(x_{0})=y_{0},p_{1}(x_{1})=y_{1} p1(x0)=y0,p1(x1)=y1。其几何意义求通过 A ( x 0 , y 0 ) A(x_{0},y_{0}) A(x0,y0), B ( x 1 , y 1 ) B(x_{1},y_{1}) B(x1,y1)的一条直线。由解析几何可知: y = p 1 ( x ) = y 0 + y 1 − y 0 x 1 − x 0 ( x − x 0 ) y=p_{1}(x)=y_{0}+\frac{y_{1}-y_{0}}{x_{1}-x_{0}}(x-x_{0}) y=p1(x)=y0+x1−x0y1−y0(x−x0)将上述公式重新整理可得到: p 1 ( x ) = x − x 1 x 0 − x 1 y 0 + x − x 0 x 1 − x 0 y 1 p_{1}(x)=\frac{x-x_{1}}{x_{0}-x_{1}}y_{0}+\frac{x-x_{0}}{x_{1}-x_{0}}y_{1} p1(x)=x0−x1x−x1y0+x1−x0x−x0y1
2 双线性插值
2.1 计算公式
双线性插值,是连个变量的插值函数的线性插值扩展,其核心思想是在两个方向分别进行一次线性插值。这里以下图为例进行说明:
假设现在想知道未知函数
f
f
f在点
P
(
x
,
y
)
P(x,y)
P(x,y)的值,目前已知函数
f
f
f在
Q
11
=
(
x
1
,
y
1
)
Q_{11}=(x_{1},y_{1})
Q11=(x1,y1)、
Q
12
=
(
x
1
,
y
2
)
Q_{12}=(x_{1},y_{2})
Q12=(x1,y2)、
Q
21
=
(
x
2
,
y
1
)
Q_{21}=(x_{2},y_{1})
Q21=(x2,y1)、
Q
22
=
(
x
2
,
y
2
)
Q_{22}=(x_{2},y_{2})
Q22=(x2,y2)的值。
双线性插值的计算步骤如下:
- 首先在 x x x方向上的线性插值,分别计算函数 f f f点 R 1 R_{1} R1和 R 2 R_{2} R2上的值。其计算公式如下: f ( R 1 ) = x 2 − x x 2 − x 1 f ( Q 11 ) + x − x 1 x 2 − x 1 f ( Q 21 ) f(R_{1})=\frac{x_{2}-x}{x_{2}-x_{1}}f(Q_{11})+\frac{x-x_{1}}{x_{2}-x_{1}}f(Q_{21}) f(R1)=x2−x1x2−xf(Q11)+x2−x1x−x1f(Q21) f ( R 2 ) = x 2 − x x 2 − x 1 f ( Q 12 ) + x − x 1 x 2 − x 1 f ( Q 22 ) f(R_{2})=\frac{x_{2}-x}{x_{2}-x_{1}}f(Q_{12})+\frac{x-x_{1}}{x_{2}-x_{1}}f(Q_{22}) f(R2)=x2−x1x2−xf(Q12)+x2−x1x−x1f(Q22)
- 其次,利用 R 1 R_{1} R1和 R 2 R_{2} R2计算 P P P。其计算公式如下: f ( P ) = y 2 − y y 2 − y 1 f ( R 1 ) + y − y 1 y 2 − y 1 f ( R 2 ) f(P)=\frac{y_{2}-y}{y_{2}-y_{1}}f(R_{1})+\frac{y-y_{1}}{y_{2}-y_{1}}f(R_{2}) f(P)=y2−y1y2−yf(R1)+y2−y1y−y1f(R2)
2.2 使用案例
下面是一段使用双线性插值方法对图片像素进行修改的方法。
from PIL import Image
import numpy as np
import math
def get_pixel(path):
img=Image.open(path)
pixel=img.load()
data=[]
for i in range(img.size[0]):
for j in range(img.size[1]):
data.extend(list(pixel[i,j]))
data=np.reshape(np.array(data),(img.size[0],img.size[1],3))
return img,data
def img_resize(height,width,img,data):
#生成在图片上取样的x坐标、y坐标
lin_height=np.linspace(0,img.size[0]-1,height)
lin_width=np.linspace(0,img.size[1]-1,width)
new_img=Image.new('RGB',(height,width),(0,0,0))
x1=np.array(list(map(lambda x:x if x<(img.size[0]-1) else x-1,[math.floor(i) for i in lin_height])))
x2=np.array(list(map(lambda x:x-1 if x==img.size[0] else x,[math.floor(i+1) for i in lin_height])))
y1=np.array(list(map(lambda x:x if x<(img.size[1]-1) else x-1,[math.floor(i) for i in lin_width])))
y2=np.array(list(map(lambda x:x-1 if x==img.size[1] else x,[math.floor(i+1) for i in lin_width])))
pixel_list=[]
for i in range(height):
Q_r1=data[x1[i],y1,:]*(x2[i]-lin_height[i])+data[x2[i],y1,:]*(lin_height[i]-x1[i])
Q_r2=data[x1[i],y2,:]*(x2[i]-lin_height[i])+data[x2[i],y2,:]*(lin_height[i]-x1[i])
Q=Q_r1*np.reshape(y2-lin_width,(-1,1))+\
Q_r2*np.reshape(lin_width-y1,(-1,1))
Q=Q.astype(int)
for j in range(Q.shape[0]):
new_img.putpixel((i,j),tuple(Q[j]))
return new_img
if __name__=="__main__":
path=r'/Users/sherry/Downloads/杀生丸.jpeg'
img,data=get_pixel(path)
new_img=img_resize(2000,2000,img,data)