使用VC++设计程序：实现常见的三种图像插值算法：最近邻插值，双线性插值，立方卷积插值

news2024/11/28 20:44:34

图像放大的三种插值算法

获取源工程可访问gitee可在此工程的基础上进行学习。
该工程的其他文章：
01- 一元熵值、二维熵值
02- 图像平移变换，图像缩放、图像裁剪、图像对角线镜像以及图像的旋转
03-邻域平均平滑算法、中值滤波算法、K近邻均值滤波器
04-分段线性变换，直方图均衡化、锐化处理
05-基于拉普拉斯算子、Canny的边缘检测功能、实现Otsu分割方法

文章目录

  • 图像放大的三种插值算法
    • 实验内容
    • 一、 插值算法的原理
      • 1. 最近邻插值
      • 2. 双线性插值
      • 3. 立方卷积插值
    • 二、 实验代码与现象图
      • 1. 最近邻插值
      • 2. 双线性插值
      • 3.立方卷积插值

实验内容

B–（3）研究放大图像时使用的插值算法，使用VC++实现常见的三种图像插值算法：最近邻插值，双线性插值，立方卷积插值。通过实验验证其效果。

一、 插值算法的原理

1. 最近邻插值

最近邻插值是一种简单的插值方法，它选择离目标位置最近的已知像素值。对于二维图像上的插值，最近邻插值的公式为：

I new ( x , y ) = I old ( round ( x ) , round ( y ) ) I_{\text{new}}(x, y) = I_{\text{old}}\left(\text{round}(x), \text{round}(y)\right) Inew​(x,y)=Iold​(round(x),round(y))

其中：

  • $ I_{\text{new}}(x, y) $ 是目标位置的新像素值。
  • $ I_{\text{old}}(x’, y’) $是原始图像中最近邻的已知像素值，其中 $ (x’, y’) $ 由 $ (x, y) $ 四舍五入得到。

2. 双线性插值

双线性插值考虑了目标位置周围的四个最近的已知像素值，并根据其相对位置进行加权平均。对于二维图像上的插值，双线性插值的公式为：

I new ( x , y ) = ( 1 − α ) ( 1 − β ) I old ( x 1 , y 1 ) + α ( 1 − β ) I old ( x 2 , y 1 ) + ( 1 − α ) β I old ( x 1 , y 2 ) + α β I old ( x 2 , y 2 ) I_{\text{new}}(x, y) = (1 - \alpha)(1 - \beta)I_{\text{old}}(x_1, y_1) + \alpha(1 - \beta)I_{\text{old}}(x_2, y_1) + (1 - \alpha)\beta I_{\text{old}}(x_1, y_2) + \alpha \beta I_{\text{old}}(x_2, y_2) Inew​(x,y)=(1−α)(1−β)Iold​(x1​,y1​)+α(1−β)Iold​(x2​,y1​)+(1−α)βIold​(x1​,y2​)+αβIold​(x2​,y2​)
其中：

  • $ I_{\text{new}}(x, y) $ 是目标位置的新像素值。
  • $ I_{\text{old}}(x_i, y_i)$是原始图像中四个最近邻的已知像素值，其中 $ (x_i, y_i) $ 是目标位置的四个相邻像素的坐标。
  • $ \alpha = x - x_1 $ 和 $ \beta = y - y_1$。

双线性插值算法涉及到目标位置周围的四个最近邻的已知像素值。这四个最近邻的像素可以通过目标位置坐标的整数部分和小数部分来确定。假设目标位置的坐标为 ((x, y))，则这四个最近邻的坐标可以表示为 ((x_1, y_1), (x_2, y_1), (x_1, y_2), (x_2, y_2))，其中：

  • x 1 = ⌊ x ⌋ x_1 = \lfloor x \rfloor x1​=⌊x⌋ 是 x x x的整数部分；
  • x 2 = ⌈ x ⌉ x_2 = \lceil x \rceil x2​=⌈x⌉ 是 x x x的整数部分加一；
  • y 1 = ⌊ y ⌋ y_1 = \lfloor y \rfloor y1​=⌊y⌋ 是 y y y 的整数部分；
  • y 2 = ⌈ y ⌉ y_2 = \lceil y \rceil y2​=⌈y⌉ 是 y y y 的整数部分加一。

这四个最近邻的坐标形成了一个矩形区域，如下图所示：

(x1, y1) ---------- (x2, y1)
 |                        |
 |                        |
 |                        |
(x1, y2) ---------- (x2, y2)

3. 立方卷积插值

立方卷积插值考虑了目标位置周围的八个最近的已知像素值，并使用立方卷积核进行加权平均。对于二维图像上的插值，立方卷积插值的公式较为复杂，其中涉及到立方卷积核的权重计算。

I new ( x , y ) = ∑ i = − 1 2 ∑ j = − 1 2 w ( i , j ) I old ( x + i , y + j ) I_{\text{new}}(x, y) = \sum_{i = -1}^{2} \sum_{j = -1}^{2} w(i, j)I_{\text{old}}(x + i, y + j) Inew​(x,y)=i=−1∑2​j=−1∑2​w(i,j)Iold​(x+i,y+j)

其中：

  • $ I_{\text{new}}(x, y) $ 是目标位置的新像素值。
  • $I_{\text{old}}(x + i, y + j) $ 是原始图像中八个最近邻的已知像素值，其中 $i $ 和 $j $取值为 -1, 0, 1, 2。
  • $ w(i, j) $ 是立方卷积核的权重，通常采用一些特定的卷积核形式，如 Bicubic 插值。

在立方卷积插值中，涉及到的是8个点。以下是正确的描述：

对于立方卷积插值，考虑目标位置 ( x , y ) (x, y) (x,y) 周围的8个最近邻点，其坐标可以表示为 ( x i , y j ) (x_i, y_j) (xi​,yj​)，其中：

x i = x − 1 , 0 , 1 , 2 x_i = x - 1, 0, 1, 2 xi​=x−1,0,1,2
y j = y − 1 , 0 , 1 , 2 y_j = y - 1, 0, 1, 2 yj​=y−1,0,1,2

这样，可以得到一个包含8个点的矩阵，如下所示：

(x-1, y-1)  |  (x, y-1)  |  (x+1, y-1)  |  (x+2, y-1)
(x-1, y)    |  (x, y)    |  (x+1, y)    |  (x+2, y)
(x-1, y+1)  |  (x, y+1)  |  (x+1, y+1)  |  (x+2, y+1)
(x-1, y+2)  |  (x, y+2)  |  (x+1, y+2)  |  (x+2, y+2)

这里的坐标形成了一个4x4的矩阵，但在立方卷积插值中，只需要考虑中间的8个点。这8个点的坐标将用于计算插值权重。

二、 实验代码与现象图

1. 最近邻插值

void CImageProcessingView::OnGeoResizing()
{
 // 实验 图像缩放
 //MessageBox("请在这里添加图像缩放的代码");
 // 获得当前文档对象
CImageProcessingDoc* pDoc = GetDocument();
 // 判断图像是否已被加载
 if( pDoc->m_pDibInit->IsEmpty() )
 {
  MessageBox("图像未加载");
  return;
 }
 int width = pDoc->m_pDibInit->GetWidth();
 int height = pDoc->m_pDibInit->GetHeight();
 int bitCount = pDoc->m_pDibInit->GetBitCount();
 
 // 将 m_pDibInit 拷贝至 m_pDibTest
 pDoc->m_pDibTest->CloneDib(pDoc->m_pDibInit);

 // 考虑将图像放大两倍的情况 
 float nResizing = 2;

 // 获得新的图像高度
 int newWidth = width*nResizing;
 int newHeight = height*nResizing;
 pDoc->m_pDibTest->SetWidthHeight(newWidth, newHeight);
 //*****************************图像的插值1最近邻插值算法************//
 int i=0;
 int j=0;
 float src_x, src_y;
 RGBQUAD Quad1;
 for(i=0;i<newWidth;i++)
  for(j=0;j<newHeight;j++)
  {
   src_x = (i / nResizing) + 0.5; //四舍五入
   src_y = (j / nResizing) + 0.5;
   Quad1=pDoc->m_pDibInit->GetPixelColor(src_x,src_y);
   pDoc->m_pDibTest->SetPixelColor(i,j,&Quad1);
  }
 // 交换 m_pDibInit 与 m_pDibTest 指针
 CDib* pTmp = pDoc->m_pDibInit;
 pDoc->m_pDibInit = pDoc->m_pDibTest;
 pDoc->m_pDibTest = pTmp; 
 
 // 设置脏标记
 pDoc->SetModifiedFlag(TRUE);
 // 更新视图
 pDoc->UpdateAllViews(NULL);
}

实验现象.
图像放大2倍
在这里插入图片描述

2. 双线性插值

 int i=0;
 int j=0;
 for(i=0;i<newWidth;i++)
  for(j=0;j<newHeight;j++)
  {
   int x=i/nResizing, y = j / nResizing;  //定位，找周围四个点
   float u = i / nResizing,v = j / nResizing; //注意这个类型

   u =u - x;          //所占权重系数
   v =v - y;

   int gray0 , gray1 , gray2 , gray3 , GRAY ;
   gray0 = pDoc->m_pDibInit->GetPixelGray(x, y);
   //边界处理 非补零
   if (x + 1 < 256)
    gray1 = pDoc->m_pDibInit->GetPixelGray(x+1, y);
   else
    gray1 = pDoc->m_pDibInit->GetPixelGray(x, y);
   if (y + 1 < 256)
    gray2 = pDoc->m_pDibInit->GetPixelGray(x, y + 1);
   else
    gray2 = pDoc->m_pDibInit->GetPixelGray(x, y);
   if (x + 1 < 256 && y + 1 < 256)
    gray3 = pDoc->m_pDibInit->GetPixelGray(x + 1, y + 1);
   else
    gray3 = pDoc->m_pDibInit->GetPixelGray(x, y);
   GRAY = (1 - u) * (1 - v) * gray0 + (1 - u) * v * gray2 + u * (1 - v) * gray1 + u * v * gray3;
   pDoc->m_pDibTest->SetPixelGray(i, j, GRAY);
  }
 // 交换 m_pDibInit 与 m_pDibTest 指针
 CDib* pTmp = pDoc->m_pDibInit;
 pDoc->m_pDibInit = pDoc->m_pDibTest;
 pDoc->m_pDibTest = pTmp;

实验效果图.

在这里插入图片描述

3.立方卷积插值

int a = -0.5;   //系数
 for(int i=0;i<newWidth;i++)
  for (int j = 0; j < newHeight; j++)
  {
   int x[4] = { 0 }, y[4] = { 0 };
   x[1] = i / nResizing, y[1] = j / nResizing;  //找点,(1,1)位置
   x[0] = x[1] - 1; y[0] = y[1] - 1;
   x[2] = x[1] + 1; y[2] = y[1] + 1;
   x[3] = x[1] + 2; y[3] = y[1] + 2;

   float u = (i) / nResizing, v = (j) / nResizing;

   u =u - x[1];   //所占权重系数(大于0小于1)
   v =v - y[1];

   int gray[4][4] = { 0 };
   float w_x[4] = { 0 }, w_y[4] = { 0 };
   w_x[0] = 1 + u; w_x[1] = u; w_x[2] = 1 - u; w_x[3] = 2 - u;
   w_y[0] = 1 + v; w_y[1] = v; w_y[2] = 1 - v; w_y[3] = 2 - v;

   float W_x[4] = { 0 }, W_y[4] = { 0 };
   for (int k = 0; k < 4; k++)    //计算x和y的权重
   {
    if (w_x[k] <= 1 && w_x[k] >= -1)
     W_x[k] = (a + 2) * pow(w_x[k], 3) - (a + 3) * pow(w_x[k], 2) + 1;
    else if (w_x[k] > 1 && w_x[k] < 2) 
     W_x[k] = a * pow(w_x[k], 3) - 5 * a * pow(w_x[k], 2) + 8 * a * w_x[k] - 4 * a;
    else
     W_x[k] = 0;

    if (w_y[k] <= 1 && w_y[k] >= -1)
     W_y[k] = (a + 2) * pow(w_y[k], 3) - (a + 3) * pow(w_y[k], 2) + 1;
    else if (w_y[k] > 1 && w_y[k] < 2)
     W_y[k] = a * pow(w_y[k], 3) - 5 * a * pow(w_y[k], 2) + 8 * a * w_y[k] - 4 * a;
    else
     W_y[k] = 0;
   }

   for(int k=0;k<4;k++)
    for (int m = 0; m < 4; m++)
    {
     if (x[k] > 0 && x[k]<height && y[m] > 0 && y[m] < width) //判断边界
      gray[k][m] = pDoc->m_pDibInit->GetPixelGray(x[k], y[m]);
     else
      gray[k][m] = 0;
    }

   int Pix_gray = 0;  //最终计算得到的灰度值
   for(int k=0;k<4;k++)
    for (int m = 0; m < 4; m++)
    {
     Pix_gray += gray[k][m] * W_x[k] * W_y[m];
    }
   pDoc->m_pDibTest->SetPixelGray(i, j, Pix_gray);
  }

实验效果图.
在这里插入图片描述

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/1254180.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

C语言从入门到精通之【表达式和语句】

C语言从入门到精通之【表达式和语句】

1 表达式 表达式由运算符和运算对象组成&#xff0c;最简单的表达式一个单独的运算对象。每个表达式都有一个值&#xff0c;并且是根据运算符优先级规定的顺序来执行&#xff0c;以下是一些表达式&#xff1a; 4 -6 421 a*(b c/d)/20 q 5*2 x q % 3 #q > 3 2 语句 语句…
阅读更多...
[带余除法寻找公共节点]二叉树

[带余除法寻找公共节点]二叉树

二叉树 题目描述 如上图所示&#xff0c;由正整数1, 2, 3, ...组成了一棵无限大的二叉树。从某一个结点到根结点&#xff08;编号是1的结点&#xff09;都有一条唯一的路径&#xff0c;比如从10到根结点的路径是(10, 5, 2, 1)&#xff0c;从4到根结点的路径是(4, 2, 1)&#x…
阅读更多...
cjson库打包数据实现方法

cjson库打包数据实现方法

使用 cJson 库&#xff0c;在C语言环境下&#xff0c;打包一个cJson字符串&#xff1a; int CreateArryJsonString(void) {cJSON *cJsonArr cJSON_CreateArray();cJSON *sJsonObj1 cJSON_CreateObject();cJSON_AddStringToObject(sJsonObj1, "test1", "test1…
阅读更多...
机器学习【03】在本地浏览器使用远程服务器的Jupyter Notebook【conda环境】

机器学习【03】在本地浏览器使用远程服务器的Jupyter Notebook【conda环境】

1.激活虚拟环境 conda activate 虚拟环境名字2.虚拟环境下安装jupyter notebook pip install jupyter3.配置 jupyter 文件 在 Jupyter Notebook 的配置目录中生成一个配置文件 jupyter_notebook_config.py jupyter notebook --generate-config3.设置密码 jupyter notebook …
阅读更多...
信息素养大赛知识点

信息素养大赛知识点

基础理论准备 开放存储期刊 开放存取期刊是一种免费的网络期刊&#xff0c;旨在使所有用户都可以通过因特网无限制地访问期刊论文全文。此种期刊一般采用作者付费出版、读者免费获得、无限制使用的运作模式&#xff0c;论文版权由作者保留。在论文质量控制方面&#xff0c;oa…
阅读更多...
设备树是什么？

设备树是什么？

设备树&#xff1a; 设备树DTS(Device Tree Source) 描述设备信息的独立的文件。 为什么要引入设备树&#xff1f; 随着芯片的发展&#xff0c;Linux内核中就包含着越来越多这些描述设备的代码&#xff0c;导致Linux内核代码会很臃肿。因此引入了设备树文件&#xff0c;从…
阅读更多...
论文阅读：“Appearance Capture and Modeling of Human Teeth”

论文阅读：“Appearance Capture and Modeling of Human Teeth”

文章目录 AbstractIntroductionMethod OverviewTeeth Appearance ModelEnamelDentinGingiva and oral cavity Data AcquisitionImage captureGeometry capture ResultsReferences Abstract 如果要为电影&#xff0c;游戏或其他类型的项目创建在虚拟环境中显示的人类角色&#…
阅读更多...
什么是零拷贝 、零拷贝优化方案 - 真正的零拷贝，哪些地方会用到零拷贝技术

什么是零拷贝 、零拷贝优化方案 - 真正的零拷贝，哪些地方会用到零拷贝技术

文章目录 什么是零拷贝3、零拷贝优化方案 - 真正的零拷贝哪些地方会用到零拷贝技术 现在来谈谈零拷贝&#xff0c;以及在开发中哪些地方使用到零拷贝。 开干… 什么是零拷贝 零拷贝指的是&#xff0c;从一个存储区域到另一个存储区域的copy任务无需CPU参与就可完成。零拷贝的底…
阅读更多...
lv11 嵌入式开发 C工程与寄存器封装 10

lv11 嵌入式开发 C工程与寄存器封装 10

目录 1 C语言工程介绍 1.1 工程模板介绍 1.2 启动代码分析 2 C语言实现LED实验 2.1 C语言如何实现寄存器读写 2.2 实现LED实验 2.3 练习 1 C语言工程介绍 1.1 工程模板介绍 工程目录&#xff0c;后续代码都会利用到这个目录 interface.c 写了一个main函数的框架 int …
阅读更多...
基于springboot实现学生成绩管理系统项目【项目源码+论文说明】计算机毕业设计

基于springboot实现学生成绩管理系统项目【项目源码+论文说明】计算机毕业设计

基于springboot实现学生成绩管理系统演示 摘要 随着信息技术和网络技术的飞速发展&#xff0c;人类已进入全新信息化时代&#xff0c;传统管理技术已无法高效&#xff0c;便捷地管理信息。为了迎合时代需求&#xff0c;优化管理效率&#xff0c;各种各样的管理系统应运而生&am…
阅读更多...
***Linux常用命令及解释

***Linux常用命令及解释

1、查看Linux的版本信息 1.1、uname -a 1.2、cat /etc/issue 1.3、cat /proc/version 1.4、hostnamectl 通过使用hostnamectl命令&#xff0c;可以查询和更改系统主机名&#xff0c;并且还可以查看Linux的发行版和内核版本。 2、删除文件 3、修改目录权限 4、解压文件 5、…
阅读更多...
5 个适用于 Windows 的顶级免费数据恢复软件

5 个适用于 Windows 的顶级免费数据恢复软件

对于计算机来说&#xff0c;最重要的是用户数据。除了您的数据之外&#xff0c;有关计算机的其他所有内容都是可替换的。这三个是数据丢失的最常见原因&#xff1a; 文件/文件夹删除丢失分区分区损坏 文件/文件夹删除 文件/文件夹删除是最常见的数据丢失类型。大多数时候&am…
阅读更多...
基于springboot实现农机电招平台系统项目【项目源码+论文说明】计算机毕业设计

基于springboot实现农机电招平台系统项目【项目源码+论文说明】计算机毕业设计

基于springboot实现农机电招平台系统演示 摘要 随着农机电招行业的不断发展&#xff0c;农机电招在现实生活中的使用和普及&#xff0c;农机电招行业成为近年内出现的一个新行业&#xff0c;并且能够成为大群众广为认可和接受的行为和选择。设计农机电招平台的目的就是借助计算…
阅读更多...
visual Studio MFC 绘制单一颜色三角形、渐变颜色边框三角形、渐变填充三角形、边框渐变的正方形与填充渐变的正方形实例

visual Studio MFC 绘制单一颜色三角形、渐变颜色边框三角形、渐变填充三角形、边框渐变的正方形与填充渐变的正方形实例

MFC 绘制三角形 本文使用visual Studio MFC 平台实现绘制单一颜色三角形、渐变颜色边框三角形、渐变填充三角形、边框渐变的正方形与填充渐变的正方形. 关于基础工程的创建请参考Visual Studio 使用MFC 单文档工程绘制单一颜色直线和绘制渐变颜色的直线 文章目录 MFC 绘制三角形…
阅读更多...
基于springboot实现私人健身与教练预约管理系统项目【项目源码+论文说明】计算机毕业设计

基于springboot实现私人健身与教练预约管理系统项目【项目源码+论文说明】计算机毕业设计

基于springboot实现私人健身与教练预约管理系统演示 摘要 随着信息技术和网络技术的飞速发展&#xff0c;人类已进入全新信息化时代&#xff0c;传统管理技术已无法高效&#xff0c;便捷地管理信息。为了迎合时代需求&#xff0c;优化管理效率&#xff0c;各种各样的管理系统应…
阅读更多...
Leetcode—15.三数之和【中等】

Leetcode—15.三数之和【中等】

2023每日刷题&#xff08;四十一&#xff09; Leetcode—15.三数之和 实现代码 class Solution { public:vector<vector<int>> threeSum(vector<int>& nums) {sort(nums.begin(), nums.end());vector<vector<int>> ans;int i, j, k;int s,…
阅读更多...
STM32 SCF文件

STM32 SCF文件

文章目录 1 SCF文件2 SCT分散加载文件3 SCF文件编写 1 SCF文件 keil编译器在链接的时候&#xff0c;是根据分散加载(.scf后缀的文件)来确定程序的加载域和运行域的。 加载域就是程序运行前在flash中具体分区情况执行域就是程序运行后&#xff0c;程序在flash和ram中的分区情况…
阅读更多...
服务运营 ｜精选：病人向何处去？医院调度的几种建模方法（上）

服务运营 ｜精选：病人向何处去？医院调度的几种建模方法（上）

推文作者&#xff1a; Shutian Li 编者按&#xff1a; 住院流程&#xff08;Inpatient Flow&#xff09;是一种通过协调和优化医院内部流程&#xff0c;以提高患者入院至出院期间的效率和质量的方法。住院流程通常通过医院内部信息系统和协同工作流程进行管理&#xff0c;以确…
阅读更多...
Proteus仿真--基于1602LCD的秒表设计

Proteus仿真--基于1602LCD的秒表设计

本文介绍基于1602LCD的秒表设计&#xff08;完整仿真源文件及代码见文末链接&#xff09; 仿真图如下 本设计中80C51单片机作为主控&#xff0c;用1602LCD作为显示模块&#xff0c;共有2个按键&#xff0c;K1按键用于秒表计时启停控制&#xff0c;K2用于清零显示内容 仿真运…
阅读更多...
Deepin使用记录-deepin系统开启SSH服务

Deepin使用记录-deepin系统开启SSH服务

1、检查安装的deepin系统是否已经开启SSH功能。 $ ps -e | grep ssh $ ps -e | grep ssh 查看是否启动ssh 2、安装openssh-server服务 sudo apt-get install openssh-server 如果出现以上提示&#xff0c;就表示你已经安装了ssh服务&#xff0c;只是还没有启动。 3、安装完…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023