图像处理基础 |
您所在的位置：网站首页 › vueiframe图片缩放 › 图像处理基础 |
图像处理基础
|
1、最近邻插值（最最基础的方法了） 举个栗子： 假设我们有一张原始图（源图，source），大小为3*3。 22546775688774512535想要放大为4*4的目标图（destination）。 ????????????????接着就该考虑怎么由源图填充目标图的像素了。 以左上角（0，0）为例，由公式 得到应该由源图中的（0,0）点像素值进行填充。以此类推目标图片中（1,0）点由源图中（1*（3/4）,0*（3/4））=>(0.75,0)=>(1,0)填充(四舍五入)，其它点类推可得到放大的图。 这种放大图像的方法会引起严重的失真，根源在于当坐标是浮点数时直接四舍五入取最近的整数。 代码： # include # include using namespace std; using namespace cv; Mat NearInter(Mat &srcImage, double kx, double ky) { int rows = cvRound(srcImage.rows*kx); int cols = cvRound(srcImage.cols*ky); Mat resultImg(rows, cols, srcImage.type()); int i, j, x, y; for (i = 0; i < rows; i++) { x = static_cast((i + 1) / kx + 0.5) - 1; for (j = 0; j < cols; j++) { y = static_cast((j + 1) / ky + 0.5) - 1; resultImg.at(i, j) = srcImage.at(x, y); } } return resultImg; } int main() { Mat srcImg = imread("文件路径"); Mat resultImg = NearInter(srcImg, 0.6, 1.2); imshow("src", srcImg); imshow("0.6,1.2", resultImg); waitKey(0); return 0; }2、 双线性插值 在最近邻插值时，对于源图中坐标为浮点数的点，直接四舍五入取整带来了严重的失真。比如0.75直接取1,更科学的方法是，0.75距离1为0.25,距离0为0.75,按照距离的占比取相应点像素值的找比。 对于目标图通过反向变换得到的源图中浮点坐标为（i+u，j+v）（其中i，j为浮点数的整数部分，u,v为浮点数的小数部分）; 这个点的像素值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)，临近四个点按照横纵轴离(i+u，j+v)的距离的占比得到需要点的像素值。 则点P处像素值： 代码： # include # include using namespace cv; Mat LinerInter(Mat &srcImage, double kx, double ky); int main() { Mat srcImg = imread("图片路径"); Mat resultImg = LinerInter(srcImg, 0.6, 1.2); imshow("src", srcImg); imshow("0.6, 1.2", resultImg); waitKey(0); return 0; } Mat LinerInter(Mat &srcImage, double kx, double ky) { int rows = cvRound(srcImage.rows*kx); int cols = cvRound(srcImage.cols*ky); Mat resultImg(rows, cols, srcImage.type()); int i, j; int xi; int yi; int x11; int y11; double xm; double ym; double dx; double dy; for (i = 0; i < rows; i++) { xm = i / kx; xi = (int)xm; x11 = xi + 1; dx = xm - xi; for (j = 0; j < cols; j++) { ym = j / ky; yi = (int)ym; y11 = yi + 1; dy = ym - yi; //判断边界 if (x11 >(srcImage.rows - 1)) { x11 = xi - 1; } if (y11 > (srcImage.cols - 1)) { y11 = yi - 1; } //bgr resultImg.at(i, j)[0] = (int)(srcImage.at(xi, yi)[0] * (1 - dx)*(1 - dy) + srcImage.at(x11, yi)[0] * dx*(1 - dy) + srcImage.at(xi, y11)[0] * (1 - dx)*dy + srcImage.at(x11, y11)[0] * dx*dy); resultImg.at(i, j)[1] = (int)(srcImage.at(xi, yi)[1] * (1 - dx)*(1 - dy) + srcImage.at(x11, yi)[1] * dx*(1 - dy) + srcImage.at(xi, y11)[1] * (1 - dx)*dy + srcImage.at(x11, y11)[1] * dx*dy); resultImg.at(i, j)[2] = (int)(srcImage.at(xi, yi)[2] * (1 - dx)*(1 - dy) + srcImage.at(x11, yi)[2] * dx*(1 - dy) + srcImage.at(xi, y11)[2] * (1 - dx)*dy + srcImage.at(x11, y11)[2] * dx*dy); } } return resultImg; }3、双三次插值 思想同二次插值一样，不过是使用了周围的16个点的像素值。 双三次插值又称立方卷积插值。三次卷积插值是一种更加复杂的插值方式。该算法利用待采样点周围16个点的灰度值作三次插值，不仅考虑到4 个直接相邻点的灰度影响，而且考虑到各邻点间灰度值变化率的影响。三次运算可以得到更接近高分辨率图像的放大效果，但也导致了运算量的急剧增加。这种算法需要选取插值基函数来拟合数据，其最常用的插值基函数(BiCubic基函数)如图1所示.
构造BiCubic函数：(其中a=-0.5)
对待插值的像素点(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。按如下公式进行插值计算：
代码： #include "opencv2/imgproc/imgproc.hpp" #include "opencv2/highgui/highgui.hpp" #include #include #include using namespace cv; using namespace std; #define PI 3.14159265 float BiCubicPoly(float x); void MyScaleBiCubicInter(Mat& src, Mat& dst, float TransMat[3][3]); /** * @function main */ int main( int argc, char** argv ) { // load image char* imageName = "images/Lenna_256.png"; Mat image; image = imread(imageName,1); if(!image.data) { cout thre) || (abs(p[3*j+1]-q1[3*x1+1]) > thre) || (abs(p[3*j+2]-q1[3*x1+2]) > thre) ) { p[3*j] = q1[3*x1]; p[3*j+1] = q1[3*x1+1]; p[3*j+2] = q1[3*x1+2]; } break; } } } } } }
|
【本文地址】
今日新闻 |
推荐新闻 |