写点什么

Python OpenCV 图像的双线性插值算法,全网最细致的算法说明

发布于: 19 小时前

Python OpenCV 365 天学习计划,与橡皮擦一起进入图像领域吧。本篇博客是这个系列的第 42 篇。

基础知识铺垫

本篇博客实现双线性插值算法的编写,顺便修改一下 上篇博客 最近邻插值算法最后实现与 OpenCV 提供的内置参数不一致问题。还有一个问题,是执行速度问题,该问题一并在学习双线性插值算法之后解决。

图像的双线性插值算法

双线性内插值算法是一种比较好的图像缩放算法,它利用了源图像中虚拟点四周四个真实存在的像素值,依据权重来决定目标图中的一个像素值。


先摘抄一些原理性的描述:对于一个目标像素,通过反向变换可以得到源图像的虚拟坐标,大概率是浮点坐标,格式为(i+u,j+v),其中 ij 为整数部分,uv 为小数部分,取值 [0,1),这时在源图像中 (i+u,j+v) 可以由周边的四个像素坐标 (i,j)(i+1,j)(i,j+1)(i+1,j+1) 计算获得,也就是存在公式:


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)


这一步的变换被省略了很多内容,橡皮擦也是查阅了很多资料,接下来为你补充上。先画一张辅助理解的图~



首先在 X 方向上进行两次线性插值计算,然后在 Y 方向上进行一次插值计算。


在计算之前,又要补充知识了,叫做线性插值,已知数据 ,要计算 区间内某一位置 x 在直线上的 y 值,公式如下:


公式进行变形得到:


变换之后大概等用 的距离作为一个权重,用于 的加权,双线性插值就是在两个方向上做线性插值。


继续看上图,在点 1 与点 2 区间内寻找一点,依据公式可得:


其中插值点 1 =


同样的算法获取插值点 2:


其中插值点 2 =


接下来在 Y 方向进行线性插值计算:


将上述式子展开,就可以得到最后的结果了,这个没多少难度,写的时候与看的时候都仔细点就好:


该式子可以进一步的简化,因为两个相邻点插值是 1,所以简化如下:


在将所有点的坐标带入


将 (x,y) 替换成最开始的写法 (i+u,j+v) ,其他的坐标分别为 点 1~点 4 分别为:(i,j)(i+1,j)(i,j+1)(i+1,j+1) ,带入上述公式,变化结果如所示:


别晕,估计这是全网最清晰的转换方式了:


到这里就与本篇博客最开始的公式呼应上了。


所以通过目标图像反推出来的一点,可以通过四个点的坐标进行计算,每个坐标前面的叫做权重,假设存在这样一个像素坐标为 (1,1),反推在源图中得到的坐标是 (0.75,0.75),由于图像中不可能存在浮点坐标,所以获取周围四个坐标分别是 (0,0)(0,1)(1,0)(1,1),由于 (0.75,0.75) 距离 (1,1) 最近,所以 (1,1) 点对该像素颜色作用最大,相应的 (1,1) 点对应的点是 f(i+1,i+1) ,该变量前面的系数权重为 0.75*0.75 ,结果最大,这个说明是通过真实的数据去说明。


拿到计算方式之后,就可以通过代码实现双线性插值算法了。


先通过内置的缩放函数,测试一下运行时间:


if __name__ == '__main__':    src = cv2.imread('./t.png')    start = time.time()    dst = cv2.resize(src, (600, 600))    print('内置函数运行时间:%f' % (time.time() - start))
cv2.imshow('src', src) cv2.imshow('dst', dst) cv2.waitKey()
复制代码


得到的时间为 内置函数运行时间:0.002000 ,非常快。


接下来就是自写函数验证了,代码的说明我写在了注释中,你可以研究一下,注意公式的运用


import cv2import numpy as npimport time

def resize_demo(src, new_size): # 目标图像宽高 dst_h, dst_w = new_size # 源图像宽高 src_h, src_w = src.shape[:2]
# 如果图像大小一致,直接复制返回即可 if src_h == dst_h and src_w == dst_w: return src.copy()
# 计算缩放比例 scale_x = float(src_w) / dst_w scale_y = float(src_h) / dst_h
# 遍历目标图像 dst = np.zeros((dst_h, dst_w, 3), dtype=np.uint8) # return dst # 对通道进行循环 # for n in range(3): # 对 height 循环 for dst_y in range(dst_h): # 对 width 循环 for dst_x in range(dst_w): # 目标在源上的坐标 src_x = dst_x * scale_x src_y = dst_y * scale_y # 计算在源图上 4 个近邻点的位置 # i,j i = int(np.floor(src_x)) j = int(np.floor(src_y))
u = src_x-i v = src_y-j if j == src_h-1: j = src_h-2 if i == src_w-1: i = src_h-2 # 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) dst[dst_y, dst_x] = (1-u)*(1-v)*src[j, i]+u*(1-v) * \ src[j+1, i] + (1-u)*v*src[j, i+1]+u*v*src[j+1, i+1] # dst[dst_y, dst_x] = 0.25*src[j, i]+0.25 * \ # src[j+1, i] + 0.25*src[j, i+1]+0.25*src[j+1, i+1] # dst[dst_y,dst_x,n] = 255
return dst

if __name__ == '__main__': src = cv2.imread('./t.png') start = time.time() dst = resize_demo(src, (500, 600)) print('自写函数运行时间:%f' % (time.time() - start))
cv2.imshow('src', src) cv2.imshow('dst', dst) cv2.waitKey()
复制代码


代码运行消耗了 2s 多,确实比较费时间。

橡皮擦的小节

希望今天的 1 个小时你有所收获,我们下篇博客见~


博主 ID:梦想橡皮擦,希望大家<font color="red">点赞</font>、<font color="red">评论</font>、<font color="red">收藏</font>。

发布于: 19 小时前阅读数: 6
用户头像

爬虫 100 例作者,蓝桥签约作者,博客专家 2021.02.06 加入

6 年产品经理+教学经验,3 年互联网项目管理经验; 互联网资深爱好者; 沉迷各种技术无法自拔,导致年龄被困在 25 岁; CSDN 爬虫 100 例作者。 个人公众号“梦想橡皮擦”。

评论

发布
暂无评论
Python OpenCV 图像的双线性插值算法,全网最细致的算法说明