图像的放大与缩小——双线性插值放大与均值缩小
原文地址:http://blog.csdn.net/luoweifu/article/details/8069883
概述
基于上一节“等距采样法”实现图片放大与缩小的缺点。要对其进行改进,对图像的缩小则可以用“局部均值法”,对于图像的放大则可以用“双线性插值法”。
效果如下:
2048*1536缩小为100*80时的效果 100*80放大到600*400的效果
局部均值法缩小图像
(1)计算采样间隔
设原图的大小为W*H,将其放大(缩小)为(k1*W)*(K2*H),则采样区间为
ii=1/k1; jj=1/k2;
当k1==k2时为等比例缩小;当k1!=k2时为不等比例放大(缩小);当k1<1 && k2<1时为图片缩小,k1>1 && k2>1时图片放大。
(2)求出局部子块
设原图为F(x,y)(i=1,2,……W; j=1,2,……H),缩小的图像为G(x,y)(x=1,2, ……M; y=1,2,……N,其中M=W*k1,N=H*k2),则有原图像局部子块为
f’(x,y) = f(ii*i, jj*j) …… f(ii*i + ii-1, jj*j)
…… ……
f(ii*i, jj*j+jj-1) …… f(ii*i + ii-1, jj*j+jj-1)
(3)求出缩小的图像
G(x, y) = f’(x,y)的均值
例:
缩小后的图像
例如g11=(f11 +f12 + f21 + f22)/4
算法源代码(java)
- /**
- * 局部均值的图像缩小
- * @param img 要缩小的图像对象
- * @param m 缩小后图像的宽
- * @param n 缩小后图像的高
- * @return 返回处理后的图像对象
- */
- public static BufferedImage shrink(BufferedImage img, int m, int n) {
- float k1 = (float)m/img.getWidth();
- float k2 = (float)n/img.getHeight();
- return shrink(img, k1, k2);
- }
- /**
- * 局部均值的图像缩小
- * @param img 要缩小的图像对象
- * @param k1 要缩小的列比列
- * @param k2 要缩小的行比列
- * @return 返回处理后的图像对象
- */
- public static BufferedImage shrink(BufferedImage img, float k1, float k2) {
- if(k1 >1 || k2>1) {//如果k1 >1 || k2>1则是图片放大,不是缩小
- System.err.println("this is shrink image funcation, please set k1<=1 and k2<=1!");
- return null;
- }
- float ii = 1/k1; //采样的行间距
- float jj = 1/k2; //采样的列间距
- int dd = (int)(ii*jj);
- //int m=0 , n=0;
- int imgType = img.getType();
- int w = img.getWidth();
- int h = img.getHeight();
- int m = (int) (k1*w);
- int n = (int) (k2*h);
- int[] pix = new int[w*h];
- pix = img.getRGB(0, 0, w, h, pix, 0, w);
- System.out.println(w + " * " + h);
- System.out.println(m + " * " + n);
- int[] newpix = new int[m*n];
- for(int j=0; j<n; j++) {
- for(int i=0; i<m; i++) {
- int r = 0, g=0, b=0;
- ColorModel cm = ColorModel.getRGBdefault();
- for(int k=0; k<(int)jj; k++) {
- for(int l=0; l<(int)ii; l++) {
- r = r + cm.getRed(pix[(int)(jj*j+k)*w + (int)(ii*i+l)]);
- g = g + cm.getGreen(pix[(int)(jj*j+k)*w + (int)(ii*i+l)]);
- b = b + cm.getBlue(pix[(int)(jj*j+k)*w + (int)(ii*i+l)]);
- }
- }
- r = r/dd;
- g = g/dd;
- b = b/dd;
- newpix[j*m + i] = 255<<24 | r<<16 | g<<8 | b;
- //255<<24 | r<<16 | g<<8 | b 这个公式解释一下,颜色的RGB在内存中是
- //以二进制的形式保存的,从右到左1-8位表示blue,9-16表示green,17-24表示red
- //所以"<<24" "<<16" "<<8"分别表示左移24,16,8位
- //newpix[j*m + i] = new Color(r,g,b).getRGB();
- }
- }
- BufferedImage imgOut = new BufferedImage( m, n, imgType);
- imgOut.setRGB(0, 0, m, n, newpix, 0, m);
- return imgOut;
- }
- /**
- * 局部均值的图像缩小
- * @param img 要缩小的图像对象
- * @param m 缩小后图像的宽
- * @param n 缩小后图像的高
- * @return 返回处理后的图像对象
- */
- public static BufferedImage shrink(BufferedImage img, int m, int n) {
- float k1 = (float)m/img.getWidth();
- float k2 = (float)n/img.getHeight();
- return shrink(img, k1, k2);
- }
- /**
- * 局部均值的图像缩小
- * @param img 要缩小的图像对象
- * @param k1 要缩小的列比列
- * @param k2 要缩小的行比列
- * @return 返回处理后的图像对象
- */
- public static BufferedImage shrink(BufferedImage img, float k1, float k2) {
- if(k1 >1 || k2>1) {//如果k1 >1 || k2>1则是图片放大,不是缩小
- System.err.println("this is shrink image funcation, please set k1<=1 and k2<=1!");
- return null;
- }
- float ii = 1/k1; //采样的行间距
- float jj = 1/k2; //采样的列间距
- int dd = (int)(ii*jj);
- //int m=0 , n=0;
- int imgType = img.getType();
- int w = img.getWidth();
- int h = img.getHeight();
- int m = (int) (k1*w);
- int n = (int) (k2*h);
- int[] pix = new int[w*h];
- pix = img.getRGB(0, 0, w, h, pix, 0, w);
- System.out.println(w + " * " + h);
- System.out.println(m + " * " + n);
- int[] newpix = new int[m*n];
- for(int j=0; j<n; j++) {
- for(int i=0; i<m; i++) {
- int r = 0, g=0, b=0;
- ColorModel cm = ColorModel.getRGBdefault();
- for(int k=0; k<(int)jj; k++) {
- for(int l=0; l<(int)ii; l++) {
- r = r + cm.getRed(pix[(int)(jj*j+k)*w + (int)(ii*i+l)]);
- g = g + cm.getGreen(pix[(int)(jj*j+k)*w + (int)(ii*i+l)]);
- b = b + cm.getBlue(pix[(int)(jj*j+k)*w + (int)(ii*i+l)]);
- }
- }
- r = r/dd;
- g = g/dd;
- b = b/dd;
- newpix[j*m + i] = 255<<24 | r<<16 | g<<8 | b;
- //255<<24 | r<<16 | g<<8 | b 这个公式解释一下,颜色的RGB在内存中是
- //以二进制的形式保存的,从右到左1-8位表示blue,9-16表示green,17-24表示red
- //所以"<<24" "<<16" "<<8"分别表示左移24,16,8位
- //newpix[j*m + i] = new Color(r,g,b).getRGB();
- }
- }
- BufferedImage imgOut = new BufferedImage( m, n, imgType);
- imgOut.setRGB(0, 0, m, n, newpix, 0, m);
- return imgOut;
- }
双线性差值法放图像
子块四个顶点的坐标分别设为(0,0)、(1,0)、(0,1)、(1,1),对应的带处理的像素的坐标(c1,c2),0<c1<1, 0<y<1.则f(x,y)由上到下得到
例,原图的像素矩阵如下。
将其放大成2.5*1.2倍,双线性插值发,填充顶点如下:
(1)
(2)
1 2 3 4 5 6 7 7
2 3 4 5 7 8 8 8
3 4 5 6 7 8 9 9
3 4 5 6 7 8 9 9
(3)
算法源代码(java)
- /**
- * 双线性插值法图像的放大
- * @param img 要缩小的图像对象
- * @param k1 要缩小的列比列
- * @param k2 要缩小的行比列
- * @return 返回处理后的图像对象
- */
- public static BufferedImage amplify(BufferedImage img, float k1, float k2) {
- if(k1 <1 || k2<1) {//如果k1 <1 || k2<1则是图片缩小,不是放大
- System.err.println("this is shrink image funcation, please set k1<=1 and k2<=1!");
- return null;
- }
- float ii = 1/k1; //采样的行间距
- float jj = (1/k2); //采样的列间距
- int dd = (int)(ii*jj);
- //int m=0 , n=0;
- int imgType = img.getType();
- int w = img.getWidth(); //原图片的宽
- int h = img.getHeight(); //原图片的宽
- int m = Math.round(k1*w); //放大后图片的宽
- int n = Math.round(k2*h); //放大后图片的宽
- int[] pix = new int[w*h];
- pix = img.getRGB(0, 0, w, h, pix, 0, w);
- /*System.out.println(w + " * " + h);
- System.out.println(m + " * " + n);*/
- int[] newpix = new int[m*n];
- for(int j=0; j<h-1; j++){
- for(int i=0; i<w-1; i++) {
- int x0 = Math.round(i*k1);
- int y0 = Math.round(j*k2);
- int x1, y1;
- if(i == w-2) {
- x1 = m-1;
- } else {
- x1 = Math.round((i+1)*k1);
- }
- if(j == h-2) {
- y1 = n-1;
- } else {
- y1 = Math.round((j+1)*k2);
- }
- int d1 = x1 - x0;
- int d2 = y1 - y0;
- if(0 == newpix[y0*m + x0]) {
- newpix[y0*m + x0] = pix[j*w+i];
- }
- if(0 == newpix[y0*m + x1]) {
- if(i == w-2) {
- newpix[y0*m + x1] = pix[j*w+w-1];
- } else {
- newpix[y0*m + x1] = pix[j*w+i+1];
- }
- }
- if(0 == newpix[y1*m + x0]){
- if(j == h-2) {
- newpix[y1*m + x0] = pix[(h-1)*w+i];
- } else {
- newpix[y1*m + x0] = pix[(j+1)*w+i];
- }
- }
- if(0 == newpix[y1*m + x1]) {
- if(i==w-2 && j==h-2) {
- newpix[y1*m + x1] = pix[(h-1)*w+w-1];
- } else {
- newpix[y1*m + x1] = pix[(j+1)*w+i+1];
- }
- }
- int r, g, b;
- float c;
- ColorModel cm = ColorModel.getRGBdefault();
- for(int l=0; l<d2; l++) {
- for(int k=0; k<d1; k++) {
- if(0 == l) {
- //f(x,0) = f(0,0) + c1*(f(1,0)-f(0,0))
- if(j<h-1 && newpix[y0*m + x0 + k] == 0) {
- c = (float)k/d1;
- r = cm.getRed(newpix[y0*m + x0]) + (int)(c*(cm.getRed(newpix[y0*m + x1]) - cm.getRed(newpix[y0*m + x0])));//newpix[(y0+l)*m + k]
- g = cm.getGreen(newpix[y0*m + x0]) + (int)(c*(cm.getGreen(newpix[y0*m + x1]) - cm.getGreen(newpix[y0*m + x0])));
- b = cm.getBlue(newpix[y0*m + x0]) + (int)(c*(cm.getBlue(newpix[y0*m + x1]) - cm.getBlue(newpix[y0*m + x0])));
- newpix[y0*m + x0 + k] = new Color(r,g,b).getRGB();
- }
- if(j+1<h && newpix[y1*m + x0 + k] == 0) {
- c = (float)k/d1;
- r = cm.getRed(newpix[y1*m + x0]) + (int)(c*(cm.getRed(newpix[y1*m + x1]) - cm.getRed(newpix[y1*m + x0])));
- g = cm.getGreen(newpix[y1*m + x0]) + (int)(c*(cm.getGreen(newpix[y1*m + x1]) - cm.getGreen(newpix[y1*m + x0])));
- b = cm.getBlue(newpix[y1*m + x0]) + (int)(c*(cm.getBlue(newpix[y1*m + x1]) - cm.getBlue(newpix[y1*m + x0])));
- newpix[y1*m + x0 + k] = new Color(r,g,b).getRGB();
- }
- //System.out.println(c);
- } else {
- //f(x,y) = f(x,0) + c2*f(f(x,1)-f(x,0))
- c = (float)l/d2;
- r = cm.getRed(newpix[y0*m + x0+k]) + (int)(c*(cm.getRed(newpix[y1*m + x0+k]) - cm.getRed(newpix[y0*m + x0+k])));
- g = cm.getGreen(newpix[y0*m + x0+k]) + (int)(c*(cm.getGreen(newpix[y1*m + x0+k]) - cm.getGreen(newpix[y0*m + x0+k])));
- b = cm.getBlue(newpix[y0*m + x0+k]) + (int)(c*(cm.getBlue(newpix[y1*m + x0+k]) - cm.getBlue(newpix[y0*m + x0+k])));
- newpix[(y0+l)*m + x0 + k] = new Color(r,g,b).getRGB();
- //System.out.println((int)(c*(cm.getRed(newpix[y1*m + x0+k]) - cm.getRed(newpix[y0*m + x0+k]))));
- }
- }
- if(i==w-2 || l==d2-1) { //最后一列的计算
- //f(1,y) = f(1,0) + c2*f(f(1,1)-f(1,0))
- c = (float)l/d2;
- r = cm.getRed(newpix[y0*m + x1]) + (int)(c*(cm.getRed(newpix[y1*m + x1]) - cm.getRed(newpix[y0*m + x1])));
- g = cm.getGreen(newpix[y0*m + x1]) + (int)(c*(cm.getGreen(newpix[y1*m + x1]) - cm.getGreen(newpix[y0*m + x1])));
- b = cm.getBlue(newpix[y0*m + x1]) + (int)(c*(cm.getBlue(newpix[y1*m + x1]) - cm.getBlue(newpix[y0*m + x1])));
- newpix[(y0+l)*m + x1] = new Color(r,g,b).getRGB();
- }
- }
- }
- }
- /*
- for(int j=0; j<50; j++){
- for(int i=0; i<50; i++) {
- System.out.print(new Color(newpix[j*m + i]).getRed() + "\t");
- }
- System.out.println();
- }
- */
- BufferedImage imgOut = new BufferedImage( m, n, imgType);
- imgOut.setRGB(0, 0, m, n, newpix, 0, m);
- return imgOut;
- }
图像的放大与缩小——双线性插值放大与均值缩小相关推荐
- 图像的放大与缩小(2)——双线性插值放大与均值缩小
2019独角兽企业重金招聘Python工程师标准>>> 概述 基于上一节"等距采样法"实现图片放大与缩小的缺点.要对其进行改进,对图像的缩小则可以用"局 ...
- 双线性内插怎么缩小_图像的放大与缩小(2)——双线性插值放大与均值缩小
概述 基于上一节"等距采样法"实现图片放大与缩小的缺点.要对其进行改进,对图像的缩小则可以用"局部均值法",对于图像的放大则可以用"双线性插值法&qu ...
- Android imageview 双击放大缩小手势放大缩小自由滑动
public class ZoomImageView extends ImageView implements ViewTreeObserver.OnGlobalLayoutListener {pri ...
- Android实现按住缩小 松开放大的效果
在开发过程中 我们有时候会使用一种效果,如按钮按下时会缩小,松开变回原大小,下面我们试一下实现这个效果. 主要的思想就是使用view的setScaleX 和setScaleY这两个方法 ,在onT ...
- 如何将CAD图纸图形同比例缩小或者放大
今天记录:如何将CAD图纸图形同比例缩小或者放大,来满足我们一些需需求 近来有一个项目,需要再硅胶面贴做透光,但是我们外包公司的结构图纸灯孔画的偏大,所以就自己改了下,以此记录 1.打开图纸,需要先将 ...
- 高德地图多边形覆盖物等间距缩小或者放大算法
需求: 高德地图多边形覆盖物等间距缩小,效果如下 原理可参考:https://blog.csdn.net/weixin_38169413/article/details/101161891 实现 第一 ...
- 常规放大电路和差分放大电路
常规放大电路和差分放大电路 0.小叙闲言 有一个两相四线的步进电机,需测量其A.B两相的电流大小,电机线圈的电阻为0.6Ω,电感为2.2mH.打算在A.B相各串接一个0.1Ω的采样电阻,然后通过放大电 ...
- 【模电笔记】4.多级放大与集成运算放大电路
目录 一.前言 1.事先声明 2.学习感悟 二.正文 1.集成运算放大器简介 (1)概念 (2)好处 (3)符号 (4)电压传输特性 (5)组成 (6)一个直观感受 2.多级放大电路的耦合方式 (1) ...
- R语言ggplot2可视化散点图并使用scale_y_log10函数配置Y轴对数坐标、使用ggforce包的facet_zoom函数将可视化结果中需要突出放大的区域进行放大(Zoom in)
R语言ggplot2可视化散点图并使用scale_y_log10函数配置Y轴对数坐标.使用ggforce包的facet_zoom函数将可视化结果中需要突出放大的区域进行放大(Zoom in) 目录
最新文章
- Swift 中使用 SQLite——批量更新(事务处理)
- 微信网页JSDK接口-wx.chooseImage问题
- 记录下openstack部署和使用时遇到的一些问题
- HTML 的特殊字符转换转义符,的两种方法。
- mac下shell给文件名批量加前缀
- python合并两个数据框_python 学习的第五天 数据框合并
- Fater R-CNN 整体把握
- JAVA第三方包导入但找不到类,解决:导入第三方包报错java.lang.NoClassDefFoundError:XXX.XXX,XXXXXX...
- 文件上传fileupload文件接收
- NYOJ-915 +-字符串(贪心)
- 财税打印机LQ 670K+ win10驱动
- 完美数简介及算法分析
- Java面试——多线程面试题
- 趋势(被亚信并购)杀毒软件强制卸载
- 逻辑上的“谬误”真的是我们应该所认为的错误吗?
- 更换主板后 Office无法激活问题解决
- 会议OA项目之我的会议(会议排座送审)
- input隐藏边框轮廓、输入框输入提示
- SpringBoot从入门到精通-佟刚-专题视频课程
- 论项目管理与可行性分析的重要性