Python实现双线性插值、最近邻插值、三次内插法
Python实现双线性插值、最近邻插值、三次内插法
一、最近邻插值法放大图像
最近邻插值法在放大图像时补充的像素是最近邻的像素的值。由于方法简单,所以处理速度很快,但是放大图像画质劣化明显,常常含有锯齿边缘。
原理如下:
二、双线性插值
在数学上,双线性插值是有两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。
原理图:
假设我们已知函数 f 在 Q11 = (x1, y1)、Q12 = (x1, y2), Q21 = (x2, y1) 以及 Q22 = (x2, y2) 四个点的值。那么此时可以得到未知函数 f 在点 P = (x, y) 的值。
(1)首先在 x 方向进行线性插值:
(2)在 y 方向进行线性插值:
(3)综合起来即为双线性插值最后结果:
图像双线性插值只会用相邻的4个点,上述公式的分母都是1。源图像和目标图像几何中心的对齐:
SrcX=(dstX+0.5) (srcWidth/dstWidth) -0.5
SrcY=(dstY+0.5) * (srcHeight/dstHeight)-0.5,*
源图像和目标图像的原点(0,0)均选择左上角,然后根据插值公式计算目标图像每点像素,假设你需要将一幅5x5的图像缩小成3x3,那么源图像和目标图像各个像素之间的对应关系如下。如果没有这个中心对齐,根据基本公式去算,就会得到左边这样的结果;而用了对齐,就会得到右边的结果:
三、双三次插值
双三次插值又称立方卷积插值。三次卷积插值是一种更加复杂的插值方式。该算法利用待采样点周围16个点的灰度值作三次插值,不仅考虑到4 个直接相邻点的灰度影响,而且考虑到各邻点间灰度值变化率的影响。三次运算可以得到更接近高分辨率图像的放大效果,但也导致了运算量的急剧增加。
构造函数如下:
函数形状如下:
三次函数的运算公式:
Python实现双线性插值、最近邻插值、三次内插法代码如下:
from PIL import Image
import matplotlib.pyplot as plt
import numpy as np
import mathdef NN_interpolation(img,dstH,dstW):scrH,scrW,_=img.shaperetimg=np.zeros((dstH,dstW,3),dtype=np.uint8)for i in range(dstH):for j in range(dstW):scrx=round((i+1)*(scrH/dstH))scry=round((j+1)*(scrW/dstW))retimg[i,j]=img[scrx-1,scry-1]return retimgdef BiLinear_interpolation(img,dstH,dstW):scrH,scrW,_=img.shapeimg=np.pad(img,((0,1),(0,1),(0,0)),'constant')retimg=np.zeros((dstH,dstW,3),dtype=np.uint8)for i in range(dstH):for j in range(dstW):scrx=(i+1)*(scrH/dstH)-1scry=(j+1)*(scrW/dstW)-1x=math.floor(scrx)y=math.floor(scry)u=scrx-xv=scry-yretimg[i,j]=(1-u)*(1-v)*img[x,y]+u*(1-v)*img[x+1,y]+(1-u)*v*img[x,y+1]+u*v*img[x+1,y+1]return retimgdef BiBubic(x):x=abs(x)if x<=1:return 1-2*(x**2)+(x**3)elif x<2:return 4-8*x+5*(x**2)-(x**3)else:return 0def BiCubic_interpolation(img,dstH,dstW):scrH,scrW,_=img.shape#img=np.pad(img,((1,3),(1,3),(0,0)),'constant')retimg=np.zeros((dstH,dstW,3),dtype=np.uint8)for i in range(dstH):for j in range(dstW):scrx=i*(scrH/dstH)scry=j*(scrW/dstW)x=math.floor(scrx)y=math.floor(scry)u=scrx-xv=scry-ytmp=0for ii in range(-1,2):for jj in range(-1,2):if x+ii<0 or y+jj<0 or x+ii>=scrH or y+jj>=scrW:continuetmp+=img[x+ii,y+jj]*BiBubic(ii-u)*BiBubic(jj-v)retimg[i,j]=np.clip(tmp,0,255)return retimgim_path='G:/1.png'
image=np.array(Image.open(im_path))image1=NN_interpolation(image,image.shape[0]*2,image.shape[1]*2)
image1=Image.fromarray(image1.astype('uint8')).convert('RGB')
image1.save('G:/pika2.png')image2=BiLinear_interpolation(image,image.shape[0]*2,image.shape[1]*2)
image2=Image.fromarray(image2.astype('uint8')).convert('RGB')
image2.save('G:/pika3.png')image3=BiCubic_interpolation(image,image.shape[0]*2,image.shape[1]*2)
image3=Image.fromarray(image3.astype('uint8')).convert('RGB')
image3.save('G:/pika4.png')
结果如下:
Python实现双线性插值、最近邻插值、三次内插法相关推荐
- 三种图像内插法(最近邻内插法、双线性内插法、双三次内插法)的做法 代码实现
参考博客 数字图像处理学习笔记(四)--数字图像的内插.度量.表示与质量_闭关修炼--暂退的博客-CSDN博客 数字图像处理学习笔记(七)--用Pycharm及MATLAB实现三种图像内插法(最近邻内 ...
- 数字图像处理学习笔记(七)——用Pycharm及MATLAB实现三种图像内插法(最近邻内插法、双线性内插法、双三次内插法)
数字图像处理(Digital Image Processing)是通过计算机对图像进行去除噪声.增强.复原.分割.提取特征等处理的方法和技术.本专栏将以学习笔记形式对数字图像处理的重点基础知识进行总结 ...
- 【数字图像处理】图像内插“双三次内插法 双三次插值 Bicubic interpolation”(cv2.resize、cv.INTER_CUBIC)
文章目录 基本原理 代码 引用自:<数字图像处理> 基本原理 引用自:https://baike.baidu.com/item/%E5%8F%8C%E4%B8%89%E6%AC%A1%E6 ...
- 图像处理中两种基本的插值算法(最邻近插值法和双线性内插法)
在图像的基本仿射变换中,经常会碰到经过旋转.缩放后灰度值如何赋值的问题.因为变换之后,图像的坐标位置有可能是小数,所以就需要插值算法来确定到底将该像素赋予哪个位置. 1.最邻近插值法(Nearest ...
- CV笔记2:图像插值算法—最近邻插值、双线性插值
目录 一. 简介 二.最近邻插值 三.双线性插值 3.1 线性插值 3.2 双线性插值 3.3 双线性插值的加速及优化策略 参考 一. 简介 在图像处理中,平移变换.旋转变换以及放缩变换是一些基础且常 ...
- 第2章 Python 数字图像处理(DIP) --数字图像基础3 - 图像内插 - 最近邻内插 - 双线性插值 - 双三次内插 - 图像放大
目录 图像内插 放大图像 图像内插 内插通常在图像放大.缩小.旋转和几何校正等任务中使用.内插并用它来调整图像的大小(缩小和放大),缩小和放大基本上采用图像重取样方法 最近邻内插,这种方法将原图像中最 ...
- 【图像处理】图像内插“最近邻插值 最近邻内插法(Nearest Neighbour Interpolate)”代码演示(调整图像大小、放大、缩小)
文章目录 何为内插--最近邻插值,引用自<数字图像处理--第三版> 代码演示 1.设置缩放倍数来放大.缩小图像 2.设置图片最终分辨率来放大.缩小图像 代码中使用的源图 20200625 ...
- 双线性内插法最近邻内插法-python(详细)
在网上找了一圈,没有找到完整且正确的python代码,所以在这里发出来 理论可以直接看一下百度百科:双线性插值 公式很简单,画一下图就知道怎么回事了,简单说就是根据相邻点的远近乘以对应的权重,离得越远 ...
- 图像插值算法:最近邻插值、双线性插值
插值算法:最近邻插值.双线性插值 文章目录 插值算法:最近邻插值.双线性插值 最近邻插值法(nearest_neighbor) 线性插值 单线性插值法 双线性插值 插值算法有很多种,这里列出关联比较密 ...
- 数字图像缩放之最近邻插值与双线性插值处理效果对比
基本原理: 1.最近邻插值:变换后的目标图像某点像素值等于源图像中与变换前相应点最近的点的像素值.具体操作为,设水平方向和垂直方向缩放的比例分别为w和h,那么目标图像中的点des(x,y)对应的源图像 ...
最新文章
- 031_MessageBox弹框
- 原子操作类AtomicInteger详解
- 【转】js日期时间函数
- SpringBoot之创建SpringBoot项目(idea开发)
- 【英语学习】【WOTD】muse 释义/词源/示例
- MyBatis直接执行SQL查询及批量插入数据
- configure: error: MySQL library not found ,Not found mysqlclient library
- 蜘蛛搜索引擎_「SEO工具」如何利用爱站工具去分析各搜索引擎蜘蛛情况?
- springcloud注册中心Eureka英 [juəˈri:kə]的基本搭建
- 【bzoj2654】tree(二分+MST)
- 最优矩阵链乘(动态规划)
- 今天是星期一,两天后是星期三,5天后是星期六;今天是星期六,3天后是星期二。
- 微信html5 支付接口,黄聪:详解申请微信h5支付方法,开通微信h5网页支付接口(转)...
- 使用GO操作MongoDB
- Java函数式编程学习——Stream流
- cocoapod安装过程中的幺蛾子
- 如何屏蔽百度右侧的广告
- 实现python调用Matlab的.m文件
- 数学符号 参考手册大全
- openfire好友关系解析