java 双三次线性插值_三种常见的图像处理双三次插值算法
三种常见的图像处理双三次插值算法
双立方插值计算涉及16像素,间(i’, j’)像中的包括
小数部分的像素坐标。dx表示X方向的小数坐标。dy表示Y方向的小数坐标。
详细
能够看下图:
依据上述图示与双立方插值的数学表达式能够看出。双立方插值本质上图像16个像素点
权重卷积之和作为新的像素值。
当中R(x)表示插值表达式,能够依据须要选择的表达式不同。常见有基于三角取值、Bell
分布表达、B样条曲线表达式。
1. 基于三角形採样数学公式为
最简单的线性分布,代码实现例如以下:
private double triangleInterpolation( double f )
{
f = f / 2.0;
if( f < 0.0 )
{
return ( f + 1.0 );
}
else
{
return ( 1.0 - f );
}
}2.基于Bell分布採样的数学公式例如以下:
Bell分布採样数学公式基于三次卷积计算实现。代码实现例如以下:
private double bellInterpolation( double x )
{
double f = ( x / 2.0 ) * 1.5;
if( f > -1.5 && f < -0.5 )
{
return( 0.5 * Math.pow(f + 1.5, 2.0));
}
else if( f > -0.5 && f < 0.5 )
{
return 3.0 / 4.0 - ( f * f );
}
else if( ( f > 0.5 && f < 1.5 ) )
{
return( 0.5 * Math.pow(f - 1.5, 2.0));
}
return 0.0;
}3.基于B样条曲线採样的数学公式例如以下:
是一种基于多项式的四次卷积的採样计算,代码例如以下:
private double bspLineInterpolation( double f )
{
if( f < 0.0 )
{
f = -f;
}
if( f >= 0.0 && f <= 1.0 )
{
return ( 2.0 / 3.0 ) + ( 0.5 ) * ( f* f * f ) - (f*f);
}
else if( f > 1.0 && f <= 2.0 )
{
return 1.0 / 6.0 * Math.pow( ( 2.0 - f ), 3.0 );
}
return 1.0;
}实现图像双立方插值的完整源码例如以下:
package com.gloomyfish.zoom.study;
import java.awt.image.BufferedImage;
import java.awt.image.ColorModel;
import com.gloomyfish.filter.study.AbstractBufferedImageOp;
public class BicubicInterpolationFilter extends AbstractBufferedImageOp {
public final static int TRIANGLE__INTERPOLATION = 1;
public final static int BELL__INTERPOLATION = 2;
public final static int BSPLINE__INTERPOLATION = 4;
public final static int CATMULLROOM__INTERPOLATION = 8;
public final static double B = 0.0;
public final static double C = 0.5; // constant
private int destH; // zoom height
private int destW; // zoom width
private int type;
public BicubicInterpolationFilter()
{
this.type = BSPLINE__INTERPOLATION;
}
public void setType(int type) {
this.type = type;
}
public void setDestHeight(int destH) {
this.destH = destH;
}
public void setDestWidth(int destW) {
this.destW = destW;
}
private double bellInterpolation( double x )
{
double f = ( x / 2.0 ) * 1.5;
if( f > -1.5 && f < -0.5 )
{
return( 0.5 * Math.pow(f + 1.5, 2.0));
}
else if( f > -0.5 && f < 0.5 )
{
return 3.0 / 4.0 - ( f * f );
}
else if( ( f > 0.5 && f < 1.5 ) )
{
return( 0.5 * Math.pow(f - 1.5, 2.0));
}
return 0.0;
}
private double bspLineInterpolation( double f )
{
if( f < 0.0 )
{
f = -f;
}
if( f >= 0.0 && f <= 1.0 )
{
return ( 2.0 / 3.0 ) + ( 0.5 ) * ( f* f * f ) - (f*f);
}
else if( f > 1.0 && f <= 2.0 )
{
return 1.0 / 6.0 * Math.pow( ( 2.0 - f ), 3.0 );
}
return 1.0;
}
private double triangleInterpolation( double f )
{
f = f / 2.0;
if( f < 0.0 )
{
return ( f + 1.0 );
}
else
{
return ( 1.0 - f );
}
}
private double CatMullRomInterpolation( double f )
{
if( f < 0.0 )
{
f = Math.abs(f);
}
if( f < 1.0 )
{
return ( ( 12 - 9 * B - 6 * C ) * ( f * f * f ) +
( -18 + 12 * B + 6 *C ) * ( f * f ) +
( 6 - 2 * B ) ) / 6.0;
}
else if( f >= 1.0 && f < 2.0 )
{
return ( ( -B - 6 * C ) * ( f * f * f )
+ ( 6 * B + 30 * C ) * ( f *f ) +
( - ( 12 * B ) - 48 * C ) * f +
8 * B + 24 * C)/ 6.0;
}
else
{
return 0.0;
}
}
@Override
public BufferedImage filter(BufferedImage src, BufferedImage dest) {
int width = src.getWidth();
int height = src.getHeight();
if (dest == null)
dest = createCompatibleDestImage(src, null);
int[] inPixels = new int[width * height];
int[] outPixels = new int[destH * destW];
getRGB(src, 0, 0, width, height, inPixels);
float rowRatio = ((float) height) / ((float) destH);
float colRatio = ((float) width) / ((float) destW);
int index = 0;
for (int row = 0; row < destH; row++) {
int ta = 0, tr = 0, tg = 0, tb = 0;
double srcRow = ((float) row) * rowRatio;
// 获取整数部分坐标 row Index
double j = Math.floor(srcRow);
// 获取行的小数部分坐标
double t = srcRow - j;
for (int col = 0; col < destW; col++) {
double srcCol = ((float) col) * colRatio;
// 获取整数部分坐标 column Index
double k = Math.floor(srcCol);
// 获取列的小数部分坐标
double u = srcCol - k;
double[] rgbData = new double[3];
double rgbCoffeData = 0.0;
for(int m=-1; m<3; m++)
{
for(int n=-1; n<3; n++)
{
int[] rgb = getPixel(j+m, k+n, width, height, inPixels);
double f1 = 0.0d;
double f2 = 0.0d;
if(type == TRIANGLE__INTERPOLATION)
{
f1 = triangleInterpolation( ((double) m ) - t );
f2 = triangleInterpolation ( -(( (double) n ) - u ) );
}
else if(type == BELL__INTERPOLATION)
{
f1 = bellInterpolation( ((double) m ) - t );
f2 = bellInterpolation ( -(( (double) n ) - u ) );
}
else if(type == BSPLINE__INTERPOLATION)
{
f1 = bspLineInterpolation( ((double) m ) - t );
f2 = bspLineInterpolation ( -(( (double) n ) - u ) );
}
else
{
f1 = CatMullRomInterpolation( ((double) m ) - t );
f2 = CatMullRomInterpolation ( -(( (double) n ) - u ) );
}
// sum of weight
rgbCoffeData += f2*f1;
// sum of the RGB values
rgbData[0] += rgb[0] * f2 * f1;
rgbData[1] += rgb[1] * f2 * f1;
rgbData[2] += rgb[2] * f2 * f1;
}
}
ta = 255;
// get Red/green/blue value for sample pixel
tr = (int) (rgbData[0]/rgbCoffeData);
tg = (int) (rgbData[1]/rgbCoffeData);
tb = (int) (rgbData[2]/rgbCoffeData);
index = row * destW + col;
outPixels[index] = (ta << 24) | (clamp(tr) << 16)
| (clamp(tg) << 8) | clamp(tb);
}
}
setRGB(dest, 0, 0, destW, destH, outPixels);
return dest;
}
public int clamp(int value) {
return value > 255 ? 255 :
(value < 0 ? 0 : value);
}
private int[] getPixel(double j, double k, int width, int height,
int[] inPixels) {
int row = (int) j;
int col = (int) k;
if (row >= height) {
row = height - 1;
}
if (row < 0) {
row = 0;
}
if (col < 0) {
col = 0;
}
if (col >= width) {
col = width - 1;
}
int index = row * width + col;
int[] rgb = new int[3];
rgb[0] = (inPixels[index] >> 16) & 0xff;
rgb[1] = (inPixels[index] >> 8) & 0xff;
rgb[2] = inPixels[index] & 0xff;
return rgb;
}
public BufferedImage createCompatibleDestImage(
BufferedImage src, ColorModel dstCM) {
if ( dstCM == null )
dstCM = src.getColorModel();
return new BufferedImage(dstCM,
dstCM.createCompatibleWritableRaster(destW, destH),
dstCM.isAlphaPremultiplied(), null);
}
}执行效果:原图
双立方插值放大以后:
总结:
基于这里三种方法实现的双立方插值以后图片跟原图像相比,都有一定模糊
这里时候能够通过兴许处理实现图像锐化与对照度提升就可以得到Sharpen版本号
当然也能够通过寻找更加合适的R(x)函数来实现双立方卷积插值过程时保留
图像边缘与对照度。
一定要包括转载
版权声明:本文博主原创文章。博客,未经同意不得转载。
java 双三次线性插值_三种常见的图像处理双三次插值算法相关推荐
- 三种常见的图像处理双三次插值算法
三种常见的图像处理双三次插值算法 双立方插值计算涉及16像素,间(i', j')像中的包括 小数部分的像素坐标.dx表示X方向的小数坐标.dy表示Y方向的小数坐标. 详细 能够看下图: 依据上述图示与 ...
- 服务器三种常见的限流算法
服务器三种常见的限流算法 1.计数器算法 2. 滑动窗口 3.令牌桶算法 4.漏桶算法 滑动窗口限流 漏桶限流 令牌桶限流 限流算法总结 单机限流和分布式限流 限流组件 在开发高并发系统时,有三把利器 ...
- java第三阶段源代码_有效Java第三版的源代码已更新为使用较新的功能
java第三阶段源代码 那些已经阅读了有效Java 第三版的人可能知道与该书相关的源代码可以在GitHub上获得 . jbloch / effective-java-3e-source-code项目拥 ...
- java tcp 三次握手_用Java代码分析TCP的三次握手四次挥手过程
(1)客户端发送一个带SYN标志的TCP报文到服务器.这是三次握手过程中的报文1. (2) 服务器端回应客户端的,这是三次握手中的第2个报文,这个报文同时带ACK标志和SYN标志.因此它表示对刚才客户 ...
- java双引号的转义字符_好程序员Java教程分享常见的转义字符
原标题:好程序员Java教程分享常见的转义字符 好程序员Java教程分享常见的转义字符,在Java字符常量中,反斜杠(\)是一个特殊的字符,被称为转义字符,它的作用是用来转义后面一个字符.转义后的字符 ...
- mysql被格式化恢复数据_三种常见数据库文件恢复方法介绍
数据库可以说是一个数据仓库,因此在数据安全方面,每个数据库从备份到恢复,都有自己的一套方法流程.今天我们就从常见的MySQL, SQL以及Oracle三种数据库,来讲讲数据库恢复方法. 首先,最简单的 ...
- java实现三位数加减乘除_用Java位运算实现加减乘除四则运算
感谢博客:http://blog.csdn.net/itismelzp/article/details/49621741 提供的思路. 要用位运算来实现四则运算,不仅仅要知道&,|,~,^, ...
- java窗口三栏布局_移动端的flex三栏布局的相关知识介绍(代码示例)
本篇文章给大家带来的内容是关于移动端的flex三栏布局的相关知识介绍(代码示例),有一定的参考价值,有需要的朋友可以参考一下,希望对你有所帮助. 默认情况下先显示移动端,通过 @media 属性适配屏 ...
- java找三个数最大_用Java程序找最大的数字(4)
13.这是找最大数字的源代码可以直接进行编译运行,希望大家从中能够获益良多. public class Maxshu { public static void main(String[] args) ...
- java生成唯一有序序列号_分布式唯一 ID 之 Snowflake 算法
SegmentFault 社区专栏:全栈修仙之路作者:semlinker No.1 Snowflake 简介 1.1 什么是 Snowflake Snowflake is a service used ...
最新文章
- Linux国内源介绍
- hdu 4004 二分查找
- SpringBoot-Security 具体案例、 实现安全框架、权限控制、aop切入
- 心电图计算心率公式_心电图到底能反应啥问题,看过之后你也能当“医生”
- rest开发_REST 101开发人员专用
- Linux怎么删除虚拟硬盘,2017.05.10 qemu-nbd 全自动挂载/卸载 虚拟硬盘中所有可用分区 的 脚本...
- BERT4Rec: Sequential Recommendation with Bidirectional Encoder Representations from Transformer
- 爱加密:APP安全防护 靠技术实力说爱你
- C语言简易学生管理系统(含源码)
- Sketchup 2022下载
- linux 下如何回到根目录
- 深入理解Apache NIFI Run Duration
- 关于Tween的几个注意事项
- 【分子相互作用】基于MATLAB的分子相互作用的表征模型仿真
- java的正向代理和反向代理
- python读取excel画出饼状图_python操作Excel、openpyxl 之图表,折线图、饼图、柱状图等...
- 5g局域网传输速度_5G时代网络传输速度能达到多少?
- nms,soft nms算法理解
- 数据库连接异常: HikariPool-1 - Connection is not available, request timed out after 30000ms.
- 高数笔记(十八):对弧长的曲线积分(第一类线积分),对坐标的曲线积分(第二类曲线积分),格林公式及其应用,平面上曲线积分与路径无关的条件