图像算法（一）：最近邻插值，双线性插值，三次插值

最近在复习图像算法，对于一些简单的图像算法进行一个代码实现，由于找工作比较忙，具体原理后期补上，先上代码。今天先给出最近邻插值，双线性插值，三次插值。
1.最近邻插值
原始图中影响点数为1
（1）代码

# include<iostream>
# include<opencv2/highgui/highgui.hpp>using namespace std;
using namespace cv;Mat NearInter(Mat &srcImage, double kx, double ky)
{int rows = cvRound(srcImage.rows*kx);int cols = cvRound(srcImage.cols*ky);Mat resultImg(rows, cols, srcImage.type());int i, j, x, y;for (i = 0; i < rows; i++){x = static_cast<int>((i + 1) / kx + 0.5) - 1;for (j = 0; j < cols; j++){y = static_cast<int>((j + 1) / ky + 0.5) - 1;resultImg.at<Vec3b>(i, j) = srcImage.at<Vec3b>(x, y);}}return resultImg;
}int main()
{Mat srcImg = imread("D:\\Visual Studio 2015\\lena.bmp");Mat resultImg = NearInter(srcImg, 0.6, 1.2);imshow("src", srcImg);imshow("0.6,1.2", resultImg);waitKey(0);return 0;
}

（2）结果：

2.线性插值
与原图中相关的点数为4
（1）代码

# include<iostream>
# include<opencv2/highgui/highgui.hpp>using namespace cv;Mat LinerInter(Mat &srcImage, double kx, double ky);int main()
{Mat srcImg = imread("D:\\Visual Studio 2015\\lena.bmp");Mat resultImg = LinerInter(srcImg, 0.6, 1.2);imshow("src", srcImg);imshow("0.6, 1.2", resultImg);waitKey(0);return 0;
}Mat LinerInter(Mat &srcImage, double kx, double ky)
{int rows = cvRound(srcImage.rows*kx);int cols = cvRound(srcImage.cols*ky);Mat resultImg(rows, cols, srcImage.type());int i, j;int xi;int yi;int x11;int y11;double xm;double ym;double dx;double dy;for (i = 0; i < rows; i++){xm = i / kx;xi = (int)xm;x11 = xi + 1;dx = xm - xi;for (j = 0; j < cols; j++){ym = j / ky;yi = (int)ym;y11 = yi + 1;dy = ym - yi;//判断边界if (x11 >(srcImage.rows - 1)){x11 = xi - 1;}if (y11 > (srcImage.cols - 1)){y11 = yi - 1;}//bgrresultImg.at<Vec3b>(i, j)[0] = (int)(srcImage.at<Vec3b>(xi, yi)[0] * (1 - dx)*(1 - dy)+ srcImage.at<Vec3b>(x11, yi)[0] * dx*(1 - dy)+ srcImage.at<Vec3b>(xi, y11)[0] * (1 - dx)*dy+ srcImage.at<Vec3b>(x11, y11)[0] * dx*dy);resultImg.at<Vec3b>(i, j)[1] = (int)(srcImage.at<Vec3b>(xi, yi)[1] * (1 - dx)*(1 - dy)+ srcImage.at<Vec3b>(x11, yi)[1] * dx*(1 - dy)+ srcImage.at<Vec3b>(xi, y11)[1] * (1 - dx)*dy+ srcImage.at<Vec3b>(x11, y11)[1] * dx*dy);resultImg.at<Vec3b>(i, j)[2] = (int)(srcImage.at<Vec3b>(xi, yi)[2] * (1 - dx)*(1 - dy)+ srcImage.at<Vec3b>(x11, yi)[2] * dx*(1 - dy)+ srcImage.at<Vec3b>(xi, y11)[2] * (1 - dx)*dy+ srcImage.at<Vec3b>(x11, y11)[2] * dx*dy);}}return resultImg;
}

（2）结果：

3.三次插值
基于bicubic函数的权值计算，取a = -0.5

与原图相关的点数为16
（1）代码

# include<iostream>
# include<cmath>
# include<opencv2/highgui/highgui.hpp>
using namespace cv;
using namespace std;float Bicubic(float x);
Mat ThreeInter(Mat &srcImage, double kx, double ky);int main()
{Mat srcImg = imread("D:\\Visual Studio 2015\\lena.bmp");if (!srcImg.data){cout << "图片不存在" << endl;}Mat resultImg = ThreeInter(srcImg, 0.6, 1.2);imshow("src", srcImg);imshow("0.6,1.2", resultImg);waitKey(0);return 0;
}float Bicubic(float y)
{float x = abs(y);float a = -0.5;if (x <= 1.0){return (a + 2)*pow(x, 3) - (a + 3)*pow(x, 2) + 1;}else if (x < 2.0){return a*pow(x, 3) + 5 * a*pow(x, 2) - 4 * a;}else{return 0.0;}
}Mat ThreeInter(Mat &srcImage, double kx, double ky)
{int rows = cvRound(srcImage.rows * kx);int cols = cvRound(srcImage.cols * ky);Mat resultImg(rows, cols, srcImage.type());int i, j;int xm, ym;int x0, y0, xi, yi, x1, y1, x2, y2;float wx0, wy0, wxi, wyi, wx1, wy1, wx2, wy2;float w00, w01, w02, w0i, w10, w11, w12, w1i, w20, w21, w22, w2i, wi0, wi1, wi2, wii;for (i = 0; i < rows; i++){xm = i / kx;xi = (int)xm;x0 = xi - 1;x1 = xi + 1;x2 = xi + 2;wx0 = Bicubic(x0 - xm);wxi = Bicubic(xi - xm);wx1 = Bicubic(x1 - xm);wx2 = Bicubic(x2 - xm);for (j = 0; j < cols; j++){ym = j / ky;yi = (int)ym;y0 = yi - 1;y1 = yi + 1;y2 = yi + 2;wy0 = Bicubic(y0 - ym);wyi = Bicubic(yi - ym);wy1 = Bicubic(y1 - ym);wy2 = Bicubic(y2 - ym);w00 = wx0*wy0;w01 = wx0*wy1;w02 = wx0*wy2;w0i = wx0*wyi;w10 = wx1*wy0;w11 = wx1*wy1;w12 = wx1*wy2;w1i = wx1*wyi;w20 = wx2*wy0;w21 = wx2*wy1;w22 = wx2*wy2;w2i = wx2*wyi;wi0 = wxi*wy0;wi1 = wxi*wy1;wi2 = wxi*wy2;wii = wxi*wyi;if ((x0 >= 0) && (x2 < srcImage.rows) && (y0 >= 0) && (y2 < srcImage.cols)){resultImg.at<Vec3b>(i, j) = (srcImage.at<Vec3b>(x0, y0)*w00 + srcImage.at<Vec3b>(x0, y1)*w01 + srcImage.at<Vec3b>(x0, y2)*w02 + srcImage.at<Vec3b>(x0, yi)*w0i+ srcImage.at<Vec3b>(x1, y0)*w10 + srcImage.at<Vec3b>(x1, y1)*w11 + srcImage.at<Vec3b>(x1, y2)*w12 + srcImage.at<Vec3b>(x1, yi)*w1i+ srcImage.at<Vec3b>(x2, y0)*w20 + srcImage.at<Vec3b>(x2, y1)*w21 + srcImage.at<Vec3b>(x2, y2)*w22 + srcImage.at<Vec3b>(x2, yi)*w2i+ srcImage.at<Vec3b>(xi, y0)*wi0 + srcImage.at<Vec3b>(xi, y1)*wi1 + srcImage.at<Vec3b>(xi, y2)*wi2 + srcImage.at<Vec3b>(xi, yi)*wii);}}}return resultImg;
}

（2）结果

推荐参考博客：https://me.csdn.net/linqianbi

图像算法（一）：最近邻插值，双线性插值，三次插值相关推荐

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 ...
最近邻插值、双线性插值、双三次插值
1.最近邻插值越是简单的模型越适合用来举例子,我们就举个简单的图像:3X3 的256级灰度图,也就是高为3个象素,宽也是3个象素的图像,每个象素的取值可以是 0-255,代表该像素的亮度,255代表 ...
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 ...
最近邻插值与双线性插值
最近邻插值顾名思义,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,但是得到的图像常常含有锯齿边缘.如下图所示: import cv2 import numpy ...
【opencv】最近邻插值、双线性插值、双三次插值（三次样条插值）
目录 1. 最近邻插值 2. 双线性插值 1)简单理解 2)一般性 3. 双三次插值(三次样条插值) 总结 1. 最近邻插值举个简单例子:一个3×33 \times 33×3 的单通道图像,如下如 ...
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 ...
CImage实现双缓冲最近邻插值
一普通显示:现在的VC显示图片非常方便,远不是VC6.0那个年代的技术可比,而且支持多种格式的如JPG,PNG. CImage _img; 初始化: _img.Load(L"map.p ...
最近邻插值实现：图像任意尺寸变换
#<opencv2/imgproc/imgproc.hpp> #include <opencv2/core/core.hpp> #include <opencv2/hig ...
数字图像处理笔记二 - 图片缩放(最近邻插值(Nearest Neighbor interpolation))
图片缩放的两种常见算法: 最近邻域内插法(Nearest Neighbor interpolation) 双向性内插法(bilinear interpolation) 本文主要讲述最近邻插值(Near ...
【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 ...

图像算法（一）：最近邻插值，双线性插值，三次插值

图像算法（一）：最近邻插值，双线性插值，三次插值相关推荐

最新文章

热门文章