最臨近插值和雙線性內插值演算法實現比較
阿新 • • 發佈：2018-12-31
影象縮放
顧名思義，就是把原影象按照目標尺寸放大或者縮小，是影象處理的一種。自然，影象縮放的核心也就是怎麼樣根據已知影象計算目標影象的各點畫素值。最簡單的是最臨近插值演算法，這種演算法就是根據原影象和目標影象的尺寸，計算縮放的比例，然後根據縮放比例計算目標畫素所依據的原畫素，過程中自然會產生小數，這時就採用四捨五入，取與這個點最相近的點。另一種演算法是雙線性內插值演算法，這種演算法的目標畫素值不再簡單地由一個畫素決定，而是由他的四臨域乘以相應的權重決定。具體公式為：
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)
其中U和V是浮點座標的小數部分，顯然離目標點距離越近的點的權重越大，這也正符合目標點的值與離他最近的點最接近這一事實。關於這兩種演算法的詳細說明，網上很多，這裡就不多說了。下面是實現程式，這裡除了兩個演算法之外，還涉及到點陣圖的讀寫操作。具體看註釋吧，需要注意的是點陣圖中有涉及到調色盤，這裡為了簡便，原影象最好是不帶有調色盤的24位點陣圖。
演算法程式碼
enum StretchMode { nearest, //最臨近插值演算法 bilinear //雙線性內插值演算法 }; void Stretch(const string& srcFile,const string& desFile,int desW,int desH,StretchMode mode) { BITMAPFILEHEADER bmfHeader; BITMAPINFOHEADER bmiHeader; FILE *pFile; if ((pFile = fopen(srcFile.c_str(),"rb")) == NULL) { printf("open bmp file error."); exit(-1); } //讀取檔案和Bitmap頭資訊 fseek(pFile,0,SEEK_SET); fread(&bmfHeader,sizeof(BITMAPFILEHEADER),1,pFile); fread(&bmiHeader,sizeof(BITMAPINFOHEADER),1,pFile); //先不支援小於16位的點陣圖 int bitCount = bmiHeader.biBitCount; if (bitCount < 16) { exit(-1); } int srcW = bmiHeader.biWidth; int srcH = bmiHeader.biHeight; int lineSize = bitCount * srcW / 8; //偏移量，windows系統要求每個掃描行按四位元組對齊 int alignBytes = ((bmiHeader.biWidth * bitCount + 31) & ~31) / 8L - bmiHeader.biWidth * bitCount / 8L; //原影象快取 int srcBufSize = lineSize * srcH; BYTE* srcBuf = new BYTE[srcBufSize]; int i,j; //讀取檔案中資料 for (i = 0; i < srcH; i++) { fread(&srcBuf[lineSize * i],lineSize,1,pFile); fseek(pFile,alignBytes,SEEK_CUR); } //目標影象快取 int desBufSize = ((desW * bitCount + 31) / 32) * 4 * desH; int desLineSize = ((desW * bitCount + 31) / 32) * 4; BYTE *desBuf = new BYTE[desBufSize]; double rateH = (double)srcH / desH; double rateW = (double)srcW / desW; float nearnesttime1, nearnesttime2; float bilineartime1, bilinertime2; //最臨近插值演算法 if (mode == nearest) { //nearnesttime1 = ; for (i = 0; i < desH; i++) { //選取最鄰近的點 int tSrcH = (int)(rateH * i + 0.5); for (j = 0; j < desW; j++) { int tSrcW = (int)(rateW * j + 0.5); memcpy(&desBuf[i * desLineSize] + j * bmiHeader.biBitCount / 8,&srcBuf[tSrcH * lineSize] + tSrcW * bmiHeader.biBitCount / 8,bmiHeader.biBitCount / 8); } } } //雙線型內插值演算法 else { for (i = 0; i < desH; i++) { int tH = (int)(rateH * i); int tH1 = min(tH + 1,srcH - 1); float u = (float)(rateH * i - tH); for (j = 0; j < desW; j++) { int tW = (int)(rateW * j); int tW1 = min(tW + 1,srcW - 1); float v = (float)(rateW * j - tW); //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) for (int k = 0; k < 3; k++) { desBuf[i * desLineSize + j * bitCount / 8 + k] = (1 - u)*(1 - v) * srcBuf[tH * lineSize + tW * bitCount / 8 + k] + (1 - u)*v*srcBuf[tH1 * lineSize + tW * bitCount / 8+ k] + u * (1 - v) * srcBuf[tH * lineSize + tW1 * bitCount / 8 + k] + u * v * srcBuf[tH1 * lineSize + tW1 * bitCount / 8 + k]; } } } } //建立目標檔案 HFILE hfile = _lcreat(desFile.c_str(),0); //檔案頭資訊 BITMAPFILEHEADER nbmfHeader; nbmfHeader.bfType = 0x4D42; nbmfHeader.bfSize = sizeof(BITMAPFILEHEADER) + sizeof(BITMAPINFOHEADER) + desW * desH * bitCount / 8; nbmfHeader.bfReserved1 = 0; nbmfHeader.bfReserved2 = 0; nbmfHeader.bfOffBits = sizeof(BITMAPFILEHEADER) + sizeof(BITMAPINFOHEADER); //Bitmap頭資訊 BITMAPINFOHEADER bmi; bmi.biSize=sizeof(BITMAPINFOHEADER); bmi.biWidth=desW; bmi.biHeight=desH; bmi.biPlanes=1; bmi.biBitCount=bitCount; bmi.biCompression=BI_RGB; bmi.biSizeImage=0; bmi.biXPelsPerMeter=0; bmi.biYPelsPerMeter=0; bmi.biClrUsed=0; bmi.biClrImportant=0; //寫入檔案頭資訊 _lwrite(hfile,(LPCSTR)&nbmfHeader,sizeof(BITMAPFILEHEADER)); //寫入Bitmap頭資訊 _lwrite(hfile,(LPCSTR)&bmi,sizeof(BITMAPINFOHEADER)); //寫入影象資料 _lwrite(hfile,(LPCSTR)desBuf,desBufSize); _lclose(hfile); }
實驗結論
通過生成的兩幅影象對比，雙線性內插值演算法縮放效果比最鄰近插值演算法好很多。
關於Image Engineering & Computer Vision的更多討論與交流，敬請關注本博和新浪微博songzi_tea.