[数字图像处理]数字图像的整数倍扩大(数字图像插值)

本文详细介绍了数字图像处理中的整数倍扩大方法,重点关注了插值技术,包括零次保持法、线性插值法、Cubic Convolution插值法和B-Spline插值法,并进行了深入的分析。此外,还通过MATLAB实现了这些插值方法,对其实际效果进行了实验和代码展示。
摘要由CSDN通过智能技术生成

1.序言

       在不同的平台下,或者从不同仪器获得图像(或者数据),其大小与数据类型,都有着很大的不同。这里的 大小,就是指的是分辨率。 数字图像,其实是像素的集中表现形式,像素越多越密集,图像则可以表现得越精确的。我们将数字图像的像素数,称为分辨率。
       本文主要介绍了数字图像的整数倍扩大(也就是分辨率的变化)。事实上,扩大处理可以归结为,新的像素值的如何决定的插值问题。首先,作为目标,先对理想的插值进行理解。然后,对现有的常用插值方法进行一个讨论,对其性能进行全面的分析。

2.理想的插值处理

       首先,作为目标,先对理想的插值进行说明。为了便于理解,我们假设有如下这样一个模拟信号

左边是我们假设的模拟型号在时间域内的表现,右边是其频谱。先这样假设着,然后,我们将这个信号进行采样。
      
这里,是一个冲击串函数,所得到的是一个离散的信号。如下所示,求所得到的离散信号的离散傅里叶变换。

看上式,并求其离散信号的振幅谱,所得到的振幅谱变为了一个周期性的,表示为如下形式。

这里,我们选择的采样时间间隔为。一般的,还会将得到的振幅谱归一化,将横轴变为归一化频率。所得到的振幅谱的两个波峰之间差一个2π。

       为了说明理想插值,我们假设如下两个信号。首先,选择采样间隔时间为,可以得到如下信号①

然后,将其采样时间间隔设置为0.5倍(也就是将采样频率设置为信号①的2倍),也就是,可以得到如下的信号②

观察上述两个信号,①与②。我们可以得到这样两个信息。一,两个波峰之间的归一化频率的差都是2π。二,信号②的振幅是信号①的两倍。对于理想的插值处理,我们进行如下定义。

如果通过某个处理,可以从信号①变换到信号②的话,这样的插值处理就称为理想插值。

       下面,从频域上来观察一下理想插值处理。如下图所示,

最左边是信号①的频谱,最右边是信号②的频谱(也就是目标信号)。首先,在信号①的时间域的相邻的信号中间,依次插入1个0(扩大倍率是U的时候,插入0的个数是U-1个0。上述例子的U为2,故插入一个0。),所得到的信号的振幅谱就像中间的那样
  • 5
    点赞
  • 15
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值