一、最邻近差值（nearest）

含义： 选取离目标点最近的点的值作为新的插入点的值。
两幅图坐标值变换关系：
（代码未验证）

for i=1:size(dist,1)x = round(i* (size(src,1)/size(dist,1)));  %dst横坐标变换到src坐标系，最临近点for j=1:size(dist,2)y = round(j* (size(src,2)/size(dist,2)));  %dst纵坐标变换到src坐标系，最临近点dist(i,j)=src(x,y); % 最临近点赋值end
end

二、线性插值（linear）

含义： 根据两点建立线性关系，以距离作为权重进行插值。

三、双线性插值（bilinear）

含义： 分别从两个方向上各进行一次线性插值。

对于p点的灰度值，可以通过p点周围Q11 = (x1, y1)、Q12 = (x1, y2), Q21 = (x2, y1) 以及 Q22 = (x2, y2) 四个点来获得。

在横坐标方向上进行两次线性插值：

根据Q11、Q21：f(R1)≈x2−xx2−x1f(Q11)+x−x1x2−x1f(Q21)where R1=(x,y1)f\left(R_{1}\right) \approx \frac{x_{2}-x}{x_{2}-x_{1}} f\left(Q_{11}\right)+\frac{x-x_{1}}{x_{2}-x_{1}} f\left(Q_{21}\right) \quad \text { where } R_{1}=\left(x, y_{1}\right)f(R1)≈x2−x1x2−xf(Q11)+x2−x1x−x1f(Q21) where R1=(x,y1)
根据Q21、Q22：f(R2)≈x2−xx2−x1f(Q12)+x−x1x2−x1f(Q22)where R2=(x,y2)f\left(R_{2}\right) \approx \frac{x_{2}-x}{x_{2}-x_{1}} f\left(Q_{12}\right)+\frac{x-x_{1}}{x_{2}-x_{1}} f\left(Q_{22}\right) \quad \text { where } R_{2}=\left(x, y_{2}\right)f(R2)≈x2−x1x2−xf(Q12)+x2−x1x−x1f(Q22) where R2=(x,y2)

在纵坐标方向上进行一次线性插值：

根据R1和R2：f(P)≈y2−yy2−y1f(R1)+y−y1y2−y1f(R2)f(P) \approx \frac{y_{2}-y}{y_{2}-y_{1}} f\left(R_{1}\right)+\frac{y-y_{1}}{y_{2}-y_{1}} f\left(R_{2}\right)f(P)≈y2−y1y2−yf(R1)+y2−y1y−y1f(R2)

整理得：
f(P)≈(y2−y)(x2−x)(y2−y1)(x2−x1)f(Q11)+(y2−y)(x−x1)(y2−y1)(x2−x1)f(Q21)+(y−y1)(x2−x)(y2−y1)(x2−x1)f(Q12)+(y−y1)(x−x1)(y2−y1)(x2−x1)f(Q22)\begin{aligned} f(P) & \approx \frac{\left(y_{2}-y\right)\left(x_{2}-x\right)}{\left(y_{2}-y_{1}\right)\left(x_{2}-x_{1}\right)} f\left(Q_{11}\right)+\frac{\left(y_{2}-y\right)\left(x-x_{1}\right)}{\left(y_{2}-y_{1}\right)\left(x_{2}-x_{1}\right)} f\left(Q_{21}\right) \\ &+\frac{\left(y-y_{1}\right)\left(x_{2}-x\right)}{\left(y_{2}-y_{1}\right)\left(x_{2}-x_{1}\right)} f\left(Q_{12}\right)+\frac{\left(y-y_{1}\right)\left(x-x_{1}\right)}{\left(y_{2}-y_{1}\right)\left(x_{2}-x_{1}\right)} f\left(Q_{22}\right) \end{aligned}f(P)≈(y2−y1)(x2−x1)(y2−y)(x2−x)f(Q11)+(y2−y1)(x2−x1)(y2−y)(x−x1)f(Q21)+(y2−y1)(x2−x1)(y−y1)(x2−x)f(Q12)+(y2−y1)(x2−x1)(y−y1)(x−x1)f(Q22)

由于图像双线性插值只使用相邻4个点，因此上式分母都为1。整理公式得到：

f(i+u,j+v) = (1-u)(1-v)f(i,j) + (1-u)vf(i,j+1) + u(1-v)f(i+1,j) + uvf(i+1,j+1)

图示：

代码示例（未验证）：

for i=1:size(dist,1)x = double(i* (size(src,1)/size(dist,1)));  u = x-floor(x); %向下取整，求差值for j=1:size(dist,2)y = double(j* (size(src,2)/size(dist,2)));  v = y-floor(y); %向下取整，求差值dist(i,j)=(1-u)*(1-v)*src(i,j) + (1-u)*v*src(i,j+1) + u*(1-v)*src(i+1,j) + u*v*src(i+1,j+1);end
end

四、双三次插值（cubic）

含义： 对于某点进行插值时，考虑该点周围16个像素的影响。首先构造一个cubic函数，根据该点不同位置的cubic函数值作为权值，对该点进行插值赋值。

对待插值的像素点(x,y)(x,y)(x,y)（x和y可以为浮点数），取其附近的4x4邻域点(xi,yj),i,j=0,1,2,3(x_i,y_j), i,j = 0,1,2,3(xi,yj),i,j=0,1,2,3。按如下公式进行插值计算：
f(x,y)=∑i=03∑j=03f(xi,yj)W(x−xi)W(y−yj)f(x, y)=\sum_{i=0}^{3} \sum_{j=0}^{3} f\left(x_{i}, y_{j}\right) W\left(x-x_{i}\right) W\left(y-y_{j}\right)f(x,y)=i=0∑3j=0∑3f(xi,yj)W(x−xi)W(y−yj)

代码示例（未验证）：

% 构造cubic函数，取a=-1
function A=sw(w1)
w=abs(w1);
if w<1&&w>=0A=1-2*w^2+w^3;
elseif w>=1&&w<2A=4-8*w+5*w^2-w^3;
elseA=0;
end

for i=1:size(dist,1)x = double(i* (size(src,1)/size(dist,1)));  u = x-floor(x); %向下取整，求差值A=[sw(1+u) sw(u) sw(1-u) sw(2-u)];  for j=1:size(dist,2)y = double(j* (size(src,2)/size(dist,2)));  v = y-floor(y); %向下取整，求差值C=[sw(1+v);sw(v);sw(1-v);sw(2-v)];B=[src(i-1,j-1)     src(i-1,j)   src(i-1,j+1)  src(i-1,j+2)src(i,j-1)     src(i,j)         src(i,j+1)   src(i,j+2)src(i+1,j-1)   src(i+1,j)   src(i+1,j+1)  src(i+1,j+2)src(i+2,j-1)     src(i+2,j)     src(i+2,j+1)  src(i+2,j+2)];dis(i,j)=(A*B*C);end
end

备注：所有代码是为了方便加深理解算法过程写的matlab伪代码片段，未在编译器上运行测试

参考文章：
【图像插值算法总结】https://www.cnblogs.com/laozhanghahaha/p/12580822.html
【图像缩放之双三次插值法】https://blog.csdn.net/qq_29058565/article/details/52769497
【双三次插值算法详解含python实现】https://www.cnblogs.com/wojianxin/p/12516762.html

插值算法（最邻近差值、双线性插值、双三次插值）相关推荐

最邻近差值算法（nearest）和双线性插值算法（bilinear）
最邻近插值算法和双线性插值算法--图像缩放加载图像时经常会遇见要缩放图像的情况,这种时候如何决定缩放后图像对应像素点的像素值,这时候就需要用到插值算法 1.最邻近插值算法首先假设原图是一个像素大小 ...
getvalue参数计数不匹配_OpenCV开发笔记（六十八）：红胖子8分钟带你使用特征点Flann最邻近差值匹配识别...
若该文为原创文章,未经允许不得转载原博主博客地址:https://blog.csdn.net/qq21497936 原博主博客导航:https://blog.csdn.net/qq21497936/ ...
（四）最邻近插值、双线性插值
最邻近插值.双线性插值.三线性插值零.图像的放大和缩小的基本原理–映射图像的放大和缩小的基本原理就是一种映射,即缩小后或者放大后的图像像素位置向原图的一个映射.简单理解就是,将放大或者缩小后的图像 ...
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 ...
上采样（放大图像）和下采样（缩小图像）（最邻近插值和双线性插值的理解和实现）
上采样和下采样什么是上采样和下采样? • 缩小图像(或称为下采样(subsampled)或降采样(downsampled))的主要目的有两个:1.使得图像符合显示区域的大小:2.生成对应图像的缩略 ...
js 双线性插值双三次插值法实现
js 双线性插值双三次插值法实现介绍双线性插值原理双三次插值法原理 js实现介绍在网页中利用canvas进行绘图时,遇到一个问题,原始的数据分辨率很小,而图片要放大到整个网页,所以需 ...
CV03-双线性差值pytorch实现
一.双线性差值 1.1 公式在理解双线性差值(Bilinear Interpolation)的含义基础上,参考pytorch差值的官方实现注释,自己实现了一遍. 差值就是利用已知点来估计未知点的值. ...
影像组学视频学习笔记(33)-使用SimpleITK实现医学影像差值、Li‘s have a solution and plan.
作者:北欧森林链接:https://www.jianshu.com/p/afcd06221ea4 来源:简书,已获转载授权 RadiomicsWorld.com "影像组学世界" ...
图像插值——线性差值
文章目录理论基础编码实现(Python) 效果展示其他权重理论基础线性插值:两点确定一条直线,线上的未知点的值可由直线方程确定. 在二维空间中,需要将线性差值拓展到双线性插值. 设A.B.C ...
基于有偏距离权值双线性插值原理(Weighted bilinear with warping)的图像超分辨重构研究-附Matlab程序
⭕⭕ 目录 ⭕⭕ ✳️ 一.图像超分辨率重构原理 ✳️ 二.双线性插值重构理论与实验分析 ✳️ 2.1 双线性插值理论与实验验证 ✳️ 2.2 有偏距离双线性插值重构理论与实验验证 ✳️ 2.3 权 ...

插值算法（最邻近差值、双线性插值、双三次插值）

一、最邻近差值（nearest）

二、线性插值（linear）

三、双线性插值（bilinear）

四、双三次插值（cubic）

插值算法（最邻近差值、双线性插值、双三次插值）相关推荐

最新文章

热门文章

插值算法（最邻近差值、双线性插值、双三次插值）

一、最邻近差值（nearest）

二、线性插值 （linear）

三、双线性插值（bilinear）

四、双三次插值（cubic）

插值算法（最邻近差值、双线性插值、双三次插值）相关推荐

最新文章

热门文章

二、线性插值（linear）