图像处理中对双三次插值(立方卷积插值)的理解

很多人对图像处理中双三次差值的矩阵不能理解，现在整合归纳出适合自己理解的资料：

假设源图像A大小为mn，缩放后的目标图像B的大小为MN。那么根据比例我们可以得到B(X,Y)在A上的的对应坐标为A(x,y)=A(X(m/M),Y(n/N))。在双线性插值法中，我们选取A(x,y)的最近四个点。而在双立方插值法中，我们选取的是最近的16个像素点作为计算目标图像B(X,Y)处像素值的参数。如图所示：

注：令（x,y）为P点

如图所示P点就是目标图像B在(X,Y)处对应于源图像中的位置，P的坐标位置会出现小数部分，所以我们假设 P的坐标为P(x+u,y+v)，其中x,y分别表示整数部分，u,v分别表示小数部分。那么我们就可以得到如图所示的最近16个像素的位置，在这里用a(i,j)(i,j=0,1,2,3)来表示。
双立方插值的目的就是通过找到一种关系，或者说系数，可以把这16个像素对于P处像素值得影响因子找出来，从而根据这个影响因子来获得目标图像对应点的像素值，达到图像缩放的目的。影响因子函数就是S(x)：

我们要做的就是求出S(x)函数中的参数x,从而获得上面所说的16个像素所对应的系数。在学习双线性插值法的时候，我们是把图像的行和列分开来理解的，那么在这里，我们也用这种方法描述如何求出a(i,j)对应的系数k_ij。假设行系数为k_i,列系数为k_j。我们以a（0，0）位置为例：

首先，我们要求出当前像素与P点的位置，比如a（0，0）距离P(i+u,j+v)的距离为(1+u,1+v)。
那么我们可以得到：k_i_0=W(1+u),k_j_0=W(1+v). 同理我们可以得到所有行和列对应的系数：

k_i_0=W(1+u), k_i_1=W(u),k_i_2=W(1-u), k_i_3=W(2-u);

k_j_0=W(1+v), k_j_1=W(v),k_j_2=W(1-v), k_j_3=W(2-v);

这样我们就分别得到了行和列方向上的系数。由k_i_j=k_i*k_j我们就可以得到每个像素a(i,j)对应的权值了。

为何像素a(i,j)对应的权值k_i_j是k_i*k_j而不是k_i呢?

这时候我们得看立方卷积插值的矩阵表示：

AB运算后是个1*4的矩阵，这是可以看成是有1行4列的像素，这时候就得把这四列像素分别乘上k_j.

等价为：

最后通过求和公式可以得到目标图片B(X,Y)对应的像素值：
pixelB(X,Y)=pixelA(0,0)*k_0_0+pixelA(0,1)*k_0_1+…+pixelA(3,3)*k_3_3;
这里其实就是个求和公式，由于不知道怎么编辑公式，就这样表达了。

文字部分参考：http://blog.csdn.net/qq_29058565/article/details/52769497

图片来源:https://www.bilibili.com/video/av20110752/?p=12(截图)

图像处理中对双三次插值(立方卷积插值)的理解相关推荐

立方卷积插值 matlab,matlab旋转实现(最近邻值,双线性,三次卷积插值实现插值)
数字图像处理,使用matlab实现旋转(最近邻值,双线性,三次卷积插值实现插值) 对图像进行旋转,使用最近邻插值法,双线性插值,三次卷积插值三种方法进行插值. 源码: clc;clear all;cl ...
卷积神经网络及图像处理中共享权重、特征映射等理解
一,前言卷积神经网络(Constitutional Neural Networks, CNN)是在多层神经网络的基础上发展起来的针对图像分类和识别而特别设计的一种深度学习方法.先回顾一下多层神经网络 ...
【数字图像处理】双三次插值及其卷积算法（Bicubic Interpolation）
双三次插值数学原理及其卷积算法原理(Bicubic Interpolation) 本文是维基百科上双三次插值的中文翻译,如有侵权会立即删除.本人刚学图像处理,第一次翻译英文文章,水平有限,如有错误还请 ...
图像插值算法——双立方（三次）卷积插值
双立方(三次)卷积插值是一种数据点插值方法. 在对图像进行缩放,旋转等处理时,有些像素点会因为这些操作变得没有意义,比如二维图像A(2*2)放大为原来的二倍后B(4*4)就会缺失一些像素,如图所示: ...
【图像缩放】双立方（三次）卷积插值
前言图像处理中有三种常用的插值算法: 最邻近插值双线性插值双立方(三次卷积)插值其中效果最好的是双立方(三次卷积)插值,本文介绍它的原理以及使用如果想先看效果和源码,可以拉到最底部本文的契 ...
图形图像处理－之－高质量的快速的图像缩放中篇二次线性插值和三次卷积插值
from:http://blog.csdn.net/housisong/article/details/1452249 图形图像处理-之-高质量的快速的图像缩放中篇二次线性插值和三次卷积插值 ...
图像处理中的卷积与模板
图像处理中的卷积与模板 1.使用模板处理图像相关概念: 模板:矩阵方块,其数学含义是一种卷积运算. 卷积运算:可看作是加权求和的过程,使用到的图像区域中的每个像素分别与卷积核(权矩阵)的每 ...
如何理解卷积：信号处理、图像处理中的应用
信号与系统中的卷积解释作者:张俊博链接: https://www.zhihu.com/question/22298352/answer/34267457 来源:知乎著作权归作者所有,转载请联系作 ...
最邻近插值、双线性插值、三次卷积插值最通俗入门理论解析，论文材料
如有任何问题,请联系VX:1755337994 前言图像处理中有三种常用的插值算法: 最邻近插值双线性插值双立方(三次卷积)插值其中效果最好的是双立方(三次卷积)插值,本文介绍它的原理以及使用 ...

图像处理中对双三次插值(立方卷积插值)的理解

很多人对图像处理中双三次差值的矩阵不能理解，现在整合归纳出适合自己理解的资料：

图像处理中对双三次插值(立方卷积插值)的理解相关推荐

最新文章

热门文章