影象的放大與縮小(2)——雙線性插值放大與均值縮小
概述
基於上一節“等距取樣法”實現圖片放大與縮小的缺點。要對其進行改進，對影象的縮小則可以用“區域性均值法”，對於影象的放大則可以用“雙線性插值法”。
效果如下：
2048*1536縮小為100*80時的效果
100*80放大到600*400的效果
區域性均值法縮小影象
（1）計算取樣間隔
設原圖的大小為W*H，將其放大（縮小）為(k1*W)*(K2*H)，則取樣區間為
ii=1/k1; jj=1/k2;
當k1==k2時為等比例縮小；當k1!=k2時為不等比例放大（縮小）；當
（2）求出區域性子塊
設原圖為F(x,y)(i=1,2,……W; j=1,2,……H)，縮小的影象為G(x,y)(x=1,2, ……M; y=1,2,……N，其中M=W*k1,N=H*k2)，則有原影象區域性子塊為
f’(x,y) = f(ii*i, jj*j) …… f(ii*i + ii-1, jj*j)
…… ……
f(ii*i, jj*j+jj-1) …… f(ii*i + ii-1, jj*j+jj-1)
(3)求出縮小的影象
G(x, y) = f’(x,y)的均值
例：
縮小後的影象
例如g11=(f11 +f12 + f21 + f22)/4
演算法原始碼（Java）
- /**
- * 區域性均值的影象縮小
- * @param img 要縮小的影象物件
- * @param m 縮小後圖像的寬
- * @param n 縮小後圖像的高
- * @return 返回處理後的影象物件
- */
-
publicstatic BufferedImage shrink(BufferedImage img, int m, int n) {
- float k1 = (float)m/img.getWidth();
- float k2 = (float)n/img.getHeight();
- return shrink(img, k1, k2);
- }
- /**
- * 區域性均值的影象縮小
- * @param img 要縮小的影象物件
- * @param k1 要縮小的列比列
- * @param k2 要縮小的行比列
- * @return 返回處理後的影象物件
- */
- publicstatic BufferedImage shrink(BufferedImage img, float k1, float k2) {
- if(k1 >1 || k2>1) {//如果k1 >1 || k2>1則是圖片放大，不是縮小
- System.err.println("this is shrink image funcation, please set k1<=1 and k2<=1！");
- returnnull;
- }
- float ii = 1/k1; //取樣的行間距
- float jj = 1/k2; //取樣的列間距
- int dd = (int)(ii*jj);
- //int m=0 , n=0;
- int imgType = img.getType();
- int w = img.getWidth();
- int h = img.getHeight();
- int m = (int) (k1*w);
- int n = (int) (k2*h);
- int[] pix = newint[w*h];
- pix = img.getRGB(0, 0, w, h, pix, 0, w);
- System.out.println(w + " * " + h);
- System.out.println(m + " * " + n);
- int[] newpix = newint[m*n];
- for(int j=0; j<n; j++) {
- for(int i=0; i<m; i++) {
- int r = 0, g=0, b=0;
- ColorModel cm = ColorModel.getRGBdefault();
- for(int k=0; k<(int)jj; k++) {
- for(int l=0; l<(int)ii; l++) {
- r = r + cm.getRed(pix[(int)(jj*j+k)*w + (int)(ii*i+l)]);
- g = g + cm.getGreen(pix[(int)(jj*j+k)*w + (int)(ii*i+l)]);
- b = b + cm.getBlue(pix[(int)(jj*j+k)*w + (int)(ii*i+l)]);
- }
- }
- r = r/dd;
- g = g/dd;
- b = b/dd;
- newpix[j*m + i] = 255<<24 | r<<16 | g<<8 | b;
- //255<<24 | r<<16 | g<<8 | b 這個公式解釋一下，顏色的RGB在記憶體中是
- //以二進位制的形式儲存的，從右到左1-8位表示blue，9-16表示green，17-24表示red
- //所以"<<24" "<<16" "<<8"分別表示左移24,16,8位
- //newpix[j*m + i] = new Color(r,g,b).getRGB();
- }
- }
- BufferedImage imgOut = new BufferedImage( m, n, imgType);
- imgOut.setRGB(0, 0, m, n, newpix, 0, m);
- return imgOut;
- }
- /**
- * 區域性均值的影象縮小
- * @param img 要縮小的影象物件
- * @param m 縮小後圖像的寬
- * @param n 縮小後圖像的高
- * @return 返回處理後的影象物件
- */
- publicstatic BufferedImage shrink(BufferedImage img, int m, int n) {
- float k1 = (float)m/img.getWidth();
- float k2 = (float)n/img.getHeight();
- return shrink(img, k1, k2);
- }
- /**
- * 區域性均值的影象縮小
- * @param img 要縮小的影象物件
- * @param k1 要縮小的列比列
- * @param k2 要縮小的行比列
- * @return 返回處理後的影象物件
- */
-
publicstatic
相關推薦
影象的放大與縮小(2)——雙線性插值放大與均值縮小
概述 基於上一節“等距取樣法”實現圖片放大與縮小的缺點。要對其進行改進，對影象的縮小則可以用“區域性均值法”，對於影象的放大則可以用“雙線性插值法”。 效果如下： 2048*1536縮小為10
C/C++ BMP（24位真彩色）影象處理（3）------影象の放大縮小（雙線性插值）
影象的放大縮小其實是一回事，都是先建立一張空白目標影象（放大縮小後的影象），其大小就是想要放大縮小後所得到的影象大小。建立影象後我們並不知道這張影象裡面的各個畫素點RGB（或灰度）值是多少，這個時候就需要經過一個演算法去算目標影象的畫素點RGB（或灰度）值。基本上所
影象演算法的基礎知識(雙線性插值，協方差矩陣，矩陣的特徵值、特徵向量）
0. 前言 MATLAB或者OpenCV裡有很多封裝好的函式，我們可以使用一行程式碼直接呼叫並得到處理結果。然而當問到具體是怎麼實現的時候，卻總是一臉懵逼，答不上來。前兩天參加一個演算法工程師的筆試題，其中就考到了這幾點，感到非常汗顏！趕緊補習！ 1. 雙線性插值 在影象處
影象的放大與縮小(3)——雙立方插值演算法
-----------------------------轉載自jia20003的部落格" ----------------------------------- 一：數學原理 如果已知一個函式f(x)以及它在x=0,x=1處的導數，那麼
影象插值-雙線性插值與雙三次插值
在現實生活中，我們經常會遇到把影象進行放大、幾何空間變換的情況等等，這些操作都需要在源影象和目標影象之間建立一個對映規則，使得兩影象畫素座標之間建立起一種對應關係，從而為目標影象的每一個畫素賦值。 從源影象到目標影象的對映叫前向對映，但是這種對映方法可能會出現這樣的兩個問題
雙線性插值的影象縮放演算法的研究與實現
Opencv學堂 http://mp.weixin.qq.com/s?__biz=MzA4MDExMDEyMw==&mid=100000109&idx=1&sn=7540b49e869c3e27f87c84f6f3dfe9a8&chksm
【短道速滑一】OpenCV中cvResize函式使用雙線性插值縮小影象到長寬大小一半時速度飛快（比最近鄰還快）之異象解析和自我實現。
今天，一個朋友想使用我的SSE優化Demo裡的雙線性插值演算法，他已經在專案裡使用了OpenCV，因此，我就建議他直接使用OpenCV，朋友的程式非常注意效率和實時性（因為是處理視訊），因此希望我能測試下我的速度和OpenCV相比到底那一個更有速度優勢，恰好前一段時間也有朋友有這方面的需求，因此我就隨意編
雙線性插值的影象縮放問題
初次開始寫部落格，想記錄下自己在公司實習所做過的事情以及學習到的東西，雖然還是有很多東西不瞭解也還沒做出來，但是也希望這是一種體驗。 我於2018.9.3入職進行實習，到現在也快過去兩個月了，我在公司
最近鄰插值和雙線性插值的基本原理 以及OpenCV中resize函式的用法改變影象的大小
最近鄰插值和雙線性插值的基本原理 影象的縮放很好理解,就是影象的放大和縮小。傳統的繪畫工具中,有一種叫做“放大尺”的繪畫工具，畫家常用它來放大圖畫。當然，在計算機上，我們不再需要用放大尺去放大或縮小影象了，把這個工作交給程式來完成就可以了。下面就來講講計算機怎麼來放大縮小圖象；在本文中，
OpenCV---如何對影象進行雙線性插值運算（7）
附程式碼如下： import cv2 as cv import numpy as np def resize(): src = cv.imread("D:/matplotlib/0.jpg") cv.imshow("input",src) h, w = src.shape
影象演算法-最近鄰插值 雙線性插值
影象插值演算法包括向上插值和向下插值，向上插值就是對影象進行放大，向下插值就是對影象進行縮小，插值演算法在影象預處理過程中經常被使用，通過插值演算法，可以將影象尺寸變換為任意尺寸，下面以舉例子的方式來說明兩種常見的插值演算法： 假設影象原始尺寸為wi,hi，縮
影象演算法（一）：最近鄰插值，雙線性插值，三次插值
最近在複習影象演算法，對於一些簡單的影象演算法進行一個程式碼實現，由於找工作比較忙，具體原理後期補上，先上程式碼。今天先給出最近鄰插值，雙線性插值，三次插值。 1.最近鄰插值 原始圖中影響點數為1 （1）程式碼 # include<iostream>
影象縮放——雙線性插值演算法
在數學上，雙線性插值是有兩個變數的插值函式的線性插值擴充套件，其核心思想是在兩個方向分別進行一次線性插值。如果選擇一個座標系統使得 的四個已知點座標分別為 (0, 0)、(0, 1)、(1, 0) 和 (1, 1)，那麼插值公式就可以化簡為： 用矩陣運算來表示的話就
影象放縮中最近鄰插值和雙線性插值的基本原理
影象的縮放很好理解,就是影象的放大和縮小。傳統的繪畫工具中,有一種叫做“放大尺”的繪畫工具，畫家常用它來放大圖畫。當然，在計算機上，我們不再需要用放大尺去放大或縮小影象了，把這個工作交給程式來完成就可以了。下面就來講講計算機怎麼來放大縮小圖象；在本文中，我們所說的影象都是指
OpenCL應用與雙線性插值
void func(BYTE*src, int width, int height, int pitchSrc, BYTE *dst, int t_width, int t_height, int pitchDes) { float fw = float(width)/ (t_width);
雙線性插值演算法進行影象縮放及效能效果優化
一)轉自http://handspeaker.iteye.com/blog/1545126 最近在程式設計時用到了雙線性插值演算法，對影象進行縮放。網上有很多這方面的資料，介紹的也算明白。但是，這些文章只介紹了演算法，並沒有具體說怎麼實現以及怎麼實現最好，舉個例子，你可以按照網上文章的演算法自己寫一個雙線性
影象縮放之雙線性插值
IplImage *img = cvLoadImage("C:\\Users\\Administrator\\Desktop\\3838.jpg"); int nw = img->width; int nh = img->height; void Ctry::OnTryTyr1() { //T
雙線性插值-影象旋轉
首先，什麼是雙線性插值？具體的說明大家可參照各種百科，我在這裡從影象角度來簡單講下，大體相似。 看下面這個圖 影象旋轉後，畫素點的整數座標必然會得到小數，顯然在影象的畫素點裡面是沒有小數座標的，那計算這些點的顏色值怎麼辦呢，為了保持準確性，我們把旋轉後的影象再旋轉
雙線性插值法，最鄰近法 處理圖片的旋轉，放大
對於一張圖片旋轉某個角度，其實就是把每個畫素計算好它的位置，再對對應的位置設定畫素值即可，以順時針為例，如下圖，由P點旋轉到P'， x=rcos(a) y=rsin(a) x'=rcos(a+b)=rcos(a)cos(b)-rsin(a)sin(b) y'=rsi
最近鄰內插值與雙線性插值
前一陣想改進個影象處理的演算法，發現基礎太差了，還是要從基礎開始，畢竟一口出不成胖子 於是自己學習一下影象處理的基本知識。看到兩個最簡單的演算法 一個是最近鄰內插值和雙線性插值，決定自己實現以下，順便也能瞭解一下數字影象內部的儲存結構。 以下為簡單整理 by the way