数字图像处理--图像插值
来源:互联网 发布:nba2k17pc版优化 编辑:程序博客网 时间:2024/05/01 02:39
定义:设函数y=f(x)在区间[a,b]上有定义,且已知在点a≤x0<x1<…<xn≤b上的值为y0,y1,…,yn,若存在简单函数P(x)使得P(xi)=yi (i=0,1,…,n)成立,就称P(x)为f(x)的插值函数, x0,x1,…,xn称为插值节点,包含插值节点的区间[a,b]称为插值区间,求插值函数P(x)的方法就是插值法。有时,在图像的几何变换中,比如缩放和旋转,输出图像上的像素点坐标有可能对应于原图像上几个像素点之间的位置,这个时候就需要通过灰度插值处理来计算出该输出点的灰度值。常用的图像插值算法可以分为最近邻插值,双线性插值和立方卷积插值等。
最邻近插值(Nearestneighbor interpolation)
最简单的插值方法是最近邻插值,即选择离它所映射到的位置最近的输入像素的灰度值为插值结果。若几何变换后输出图像上坐标为(x,y)的像素点在原图像上的对应值坐标为(u,v),则近邻插值公式为:
[······]表示求整
与其它两种插值算法相比,最近插值具有简单快速的特点,但是对于邻近像素点的灰度值有较改变,细微结构是粗糙的,可能会造成灰度值上的不连续,在灰度变化较大的地方,易形成锯齿。相邻像素有4邻域N4(p),对角相邻像素ND(p),8邻域N8(p)。距离度量:欧氏距离,城市街区距离,棋盘距离。
双线性插值(Bilinearinterpolation)
设g(x',y')上像素坐标为(x',y')的点对应于原图像上的坐标为(u,v),如下图所示
将f(x,y)周围的四点存入二维数组a[2][2],并令u=0,v=1,简化后可以得到双线性插值公式:
1:x方向上的线性插值
R1 = (1-x)*array[0][0] + x*array[1][0];
R2 = (1-x)*array[0][1] + x*array[1][1];
2:y方向上的线性插值
双线性插值具有低通滤波器特质,使高频信号受损,图像轮廓模糊,但同时边缘处的过度也比较自然。缺点是运算速度比最近邻插值要慢。
立方卷积插值(Cubicconvolution interpolation)
三次卷积法能够克服以上两种算法的不足,计算精度高,但计算亮大,他考虑一个浮点坐标(i+u,j+v)周围的16个邻点,目的像素值f(i+u,j+v)可由如下插值公式得到:
B样条插值(B-Splineinterpolation)
0 0
- 数字图像处理--图像插值
- [数字图像处理]数字图像的整数倍扩大(数字图像插值)
- 数字图像处理中的一些插值算法
- 数字图像处理01(插值)
- 数字图像处理的插值方法
- 数字图像处理中常用的插值方法
- 数字图像处理中常用的插值方法
- 数字图像处理中常用的插值方法
- 数字图像处理中常用的插值方法
- 数字图像处理中常用的插值方法
- 数字图像处理中常用的插值方法
- 数字图像处理中常用的插值方法
- 【数字图像处理】图像金字塔
- 数字图像处理-图像金字塔
- 图像压缩-数字图像处理
- 图像插值处理的方法
- 图像处理常用插值方法总结
- 图像处理常用插值方法总结
- 部署explainshell
- 最小生成树总结
- android圆形头像,自定义view
- Android进阶UI之使用TextInputLayout创建一个登陆界面
- RegExp
- 数字图像处理--图像插值
- Python简史
- 10.Examine the following statement that is used to modify the constraint on the SALES table:
- 为什么说bagging是减少variance,而boosting是减少bias?
- 串口学习(二)
- 对于select理解总结
- untiy 2D 曲面地图动态生成
- 欢迎使用CSDN-markdown编辑器
- 14调整数组顺序使奇数位于偶数前面