美文网首页
线性插值,双线性插值Bilinear Interpolation

线性插值,双线性插值Bilinear Interpolation

作者: MiracleJQ | 来源:发表于2018-03-26 15:01 被阅读0次

线性插值

先讲一下线性插值:已知数据 (x0, y0) 与 (x1, y1),要计算 [x0, x1] 区间内某一位置 x 在直线上的y值(反过来也是一样,略):

y−y0x−x0=y1−y0x1−x0

y=x1−xx1−x0y0+x−x0x1−x0y1

上面比较好理解吧,仔细看就是用x和x0,x1的距离作为一个权重,用于y0和y1的加权。双线性插值本质上就是在两个方向上做线性插值。

双线性插值

在数学上,双线性插值是有两个变量的插值函数的线性插值扩展,其核心思想是在两个方向分别进行一次线性插值[1]。见下图:

假如我们想得到未知函数 f 在点 P = (x, y) 的值,假设我们已知函数 f 在 Q11 = (x1, y1)、Q12 = (x1, y2), Q21 = (x2, y1) 以及 Q22 = (x2, y2) 四个点的值。最常见的情况,f就是一个像素点的像素值。首先在 x 方向进行线性插值,得到

然后在 y 方向进行线性插值,得到

综合起来就是双线性插值最后的结果:

由于图像双线性插值只会用相邻的4个点,因此上述公式的分母都是1。opencv中的源码如下,用了一些优化手段,比如用整数计算代替float(下面代码中的*2048就是变11位小数为整数,最后有两个连乘,因此>>22位),以及源图像和目标图像几何中心的对齐 

SrcX=(dstX+0.5)* (srcWidth/dstWidth) -0.5 

SrcY=(dstY+0.5) * (srcHeight/dstHeight)-0.5

这个要重点说一下,源图像和目标图像的原点(0,0)均选择左上角,然后根据插值公式计算目标图像每点像素,假设你需要将一幅5x5的图像缩小成3x3,那么源图像和目标图像各个像素之间的对应关系如下。如果没有这个中心对齐,根据基本公式去算,就会得到左边这样的结果;而用了对齐,就会得到右边的结果:

cv::Mat matSrc, matDst1, matDst2;

matSrc = cv::imread("lena.jpg", 2 | 4); 

matDst1 = cv::Mat(cv::Size(800, 1000), matSrc.type(), cv::Scalar::all(0)); 

matDst2 = cv::Mat(matDst1.size(), matSrc.type(), cv::Scalar::all(0));  double scale_x = (double)matSrc.cols / matDst1.cols;  double scale_y = (double)matSrc.rows / matDst1.rows; 

uchar* dataDst = matDst1.data;  int stepDst = matDst1.step; 

uchar* dataSrc = matSrc.data;  int stepSrc = matSrc.step;  int iWidthSrc = matSrc.cols;  int iHiehgtSrc = matSrc.rows;  for (int j = 0; j < matDst1.rows; ++j) 

    float fy = (float)((j + 0.5) * scale_y - 0.5); 

    int sy = cvFloor(fy); 

    fy -= sy; 

    sy = std::min(sy, iHiehgtSrc - 2); 

    sy = std::max(0, sy); 

    short cbufy[2]; 

    cbufy[0] = cv::saturate_cast((1.f - fy) * 2048); 

    cbufy[1] = 2048 - cbufy[0]; 

    for (int i = 0; i < matDst1.cols; ++i) 

    { 

        float fx = (float)((i + 0.5) * scale_x - 0.5); 

        int sx = cvFloor(fx); 

        fx -= sx; 

        if (sx < 0) { 

            fx = 0, sx = 0; 

        } 

        if (sx >= iWidthSrc - 1) { 

            fx = 0, sx = iWidthSrc - 2; 

        } 

        short cbufx[2]; 

        cbufx[0] = cv::saturate_cast((1.f - fx) * 2048); 

        cbufx[1] = 2048 - cbufx[0]; 

        for (int k = 0; k < matSrc.channels(); ++k) 

        { 

            *(dataDst+ j*stepDst + 3*i + k) = (*(dataSrc + sy*stepSrc + 3*sx + k) * cbufx[0] * cbufy[0] + 

                *(dataSrc + (sy+1)*stepSrc + 3*sx + k) * cbufx[0] * cbufy[1] + 

                *(dataSrc + sy*stepSrc + 3*(sx+1) + k) * cbufx[1] * cbufy[0] + 

                *(dataSrc + (sy+1)*stepSrc + 3*(sx+1) + k) * cbufx[1] * cbufy[1]) >> 22; 

        } 

    } 

cv::imwrite("linear_1.jpg", matDst1); 

cv::resize(matSrc, matDst2, matDst1.size(), 0, 0, 1); 

cv::imwrite("linear_2.jpg", matDst2); 

好了,本篇到这里,欢迎大家分享转载,注明出处即可。

参考资料

[1] 双线性插值(Bilinear Interpolation) 

[2] OpenCV ——双线性插值(Bilinear interpolation) 

[3] 双线性插值算法及需要注意事项 

[4] OpenCV中resize函数五种插值算法的实现过程

原文参考:http://blog.csdn.net/xbinworld/article/details/65660665

相关文章

  • 线性插值,双线性插值Bilinear Interpolation

    线性插值 先讲一下线性插值:已知数据 (x0, y0) 与 (x1, y1),要计算 [x0, x1] 区间内某一...

  • 专业术语

    Linear Interpolation 线性插值perplexity 复杂度Confounden 混杂Cons...

  • 【数学】线性插值

    线性插值有一阶、二阶、三阶,对应为单线性插值、双线性插值和三线性插值。三者皆为线性插值,不同之处在于单线性插值为2...

  • 三种常用上采样方式

    仅用于学习目的,参考网上资源较多,若未注明请联系,感谢 bilinear 双线性插值是目前在语义分割中用的比较多的...

  • 图像处理-插值

    1, 线性插值 Linear Interpolation 在一维空间里,已知两个点的位置及其值,求该两点位置间区域...

  • 线性插值 np.interp

    计算得出0-299这300个数的线性插值 ok, 300个数字线性插值完成!

  • Stata系列-如何处理缺失值

    对于缺失的数据,为保持样本容量,可以采用“线性插值”的方法 以上是线性插值的简单原理,如果y有指数增长趋势,则应先...

  • 【转载】双线性插值(Bilinear Upsampling) 和

    https://blog.csdn.net/gzhermit/article/details/75261713 在...

  • 双线性插值算法解析与实例

    双线性插值在图像处理和gis分析中用到还比较多,整理下原理并写了个简单的示例 双线性插值,又称为双线性内插。在数学...

  • OpenCV:线性插值算法

    1.目的 线性插值的目的是什么?线性插值一般是用在如图像缩放,区域缩放美图瘦脸大眼等中.以图像缩放为例.设缩放前图...

网友评论

      本文标题:线性插值,双线性插值Bilinear Interpolation

      本文链接:https://www.haomeiwen.com/subject/jsjrcftx.html