双线性算法
① 双线性插值法原理 python实现
码字不易，如果此文对你有所帮助，请帮忙点赞，感谢！
一. 双线性插值法原理：
① 何为线性插值？
插值就是在两个数之间插入一个数，线性插值原理图如下：
② 各种插值法：
插值法的第一步都是相同的，计算目标图（dstImage）的坐标点对应原图（srcImage）中哪个坐标点来填充，计算公式为：
srcX = dstX * (srcWidth/dstWidth)
srcY = dstY * (srcHeight/dstHeight)
(dstX,dstY)表示目标图像的某个坐标点，(srcX,srcY)表示与之对应的原图像的坐标点。srcWidth/dstWidth 和 srcHeight/dstHeight 分别表示宽和高的放缩比。
那么问题来了，通过这个公式算出来的 srcX, scrY 有可能是小数，但是原图像坐标点是不存在小数的，都是整数，得想办法把它转换成整数才行。
不同插值法的区别就体现在 srcX, scrY 是小数时，怎么将其变成整数去取原图像中的像素值。
最近邻插值（Nearest-neighborInterpolation）：看名字就很直白，四舍五入选取最接近的整数。这样的做法会导致像素变化不连续，在目标图像中产生锯齿边缘。
双线性插值（Bilinear Interpolation）：双线性就是利用与坐标轴平行的两条直线去把小数坐标分解到相邻的四个整数坐标点。权重与距离成反比。
双三次插值（Bicubic Interpolation）：与双线性插值类似，只不过用了相邻的16个点。但是需要注意的是，前面两种方法能保证两个方向的坐标权重和为1，但是双三次插值不能保证这点，所以可能出现像素值越界的情况，需要截断。
③ 双线性插值算法原理
假如我们想得到未知函数 f 在点 P = (x, y) 的值，假设我们已知函数 f 在 Q11 = (x1, y1)、Q12 = (x1, y2), Q21 = (x2, y1) 以及 Q22 = (x2, y2) 四个点的值。最常见的情况，f就是一个像素点的像素值。首先在 x 方向进行线性插值，然后再在 y 方向上进行线性插值，最终得到双线性插值的结果。
④ 举例说明
二. python实现灰度图像双线性插值算法：
灰度图像双线性插值放大缩小
import numpy as np
import math
import cv2
def double_linear(input_signal, zoom_multiples):
'''
双线性插值
:param input_signal: 输入图像
:param zoom_multiples: 放大倍数
:return: 双线性插值后的图像
'''
input_signal_cp = np.(input_signal) # 输入图像的副本
input_row, input_col = input_signal_cp.shape # 输入图像的尺寸（行、列）
# 输出图像的尺寸
output_row = int(input_row * zoom_multiples)
output_col = int(input_col * zoom_multiples)
output_signal = np.zeros((output_row, output_col)) # 输出图片
for i in range(output_row):
for j in range(output_col):
# 输出图片中坐标 （i，j）对应至输入图片中的最近的四个点点（x1，y1）（x2, y2），（x3， y3），(x4，y4)的均值
temp_x = i / output_row * input_row
temp_y = j / output_col * input_col
x1 = int(temp_x)
y1 = int(temp_y)
x2 = x1
y2 = y1 + 1
x3 = x1 + 1
y3 = y1
x4 = x1 + 1
y4 = y1 + 1
u = temp_x - x1
v = temp_y - y1
# 防止越界
if x4 >= input_row:
x4 = input_row - 1
x2 = x4
x1 = x4 - 1
x3 = x4 - 1
if y4 >= input_col:
y4 = input_col - 1
y3 = y4
y1 = y4 - 1
y2 = y4 - 1
# 插值
output_signal[i, j] = (1-u)*(1-v)*int(input_signal_cp[x1, y1]) + (1-u)*v*int(input_signal_cp[x2, y2]) + u*(1-v)*int(input_signal_cp[x3, y3]) + u*v*int(input_signal_cp[x4, y4])
return output_signal
# Read image
img = cv2.imread("../paojie_g.jpg",0).astype(np.float)
out = double_linear(img,2).astype(np.uint8)
# Save result
cv2.imshow("result", out)
cv2.imwrite("out.jpg", out)
cv2.waitKey(0)
cv2.destroyAllWindows()
三. 灰度图像双线性插值实验结果：
四. 彩色图像双线性插值python实现
def BiLinear_interpolation(img,dstH,dstW):
scrH,scrW,_=img.shape
img=np.pad(img,((0,1),(0,1),(0,0)),'constant')
retimg=np.zeros((dstH,dstW,3),dtype=np.uint8)
for i in range(dstH-1):
for j in range(dstW-1):
scrx=(i+1)*(scrH/dstH)
scry=(j+1)*(scrW/dstW)
x=math.floor(scrx)
y=math.floor(scry)
u=scrx-x
v=scry-y
retimg[i,j]=(1-u)*(1-v)*img[x,y]+u*(1-v)*img[x+1,y]+(1-u)*v*img[x,y+1]+u*v*img[x+1,y+1]
return retimg
im_path='../paojie.jpg'
image=np.array(Image.open(im_path))
image2=BiLinear_interpolation(image,image.shape[0]*2,image.shape[1]*2)
image2=Image.fromarray(image2.astype('uint8')).convert('RGB')
image2.save('3.png')
五. 彩色图像双线性插值实验结果：
六. 最近邻插值算法和双三次插值算法可参考：
① 最近邻插值算法： https://www.cnblogs.com/wojianxin/p/12515061.html
https://blog.csdn.net/Ibelievesunshine/article/details/104936006
② 双三次插值算法： https://www.cnblogs.com/wojianxin/p/12516762.html
https://blog.csdn.net/Ibelievesunshine/article/details/104942406
七. 参考内容：
https://www.cnblogs.com/wojianxin/p/12515061.html
https://blog.csdn.net/Ibelievesunshine/article/details/104939936
② 什么是双线性插值法 双线性插值法是什么
1、双线弯好性插值，又称为双线性内插。在数学上，双线性插值是有两个变量的插值函数的线性插值扩展，其核心思想是在两个方向分别进行一次线性插段闹斗值。
2、双线性插值作为数值分析中的一种插值算法，广泛应用在信号处握磨理，数字图像和视频处理等方面。
③ 如何用MATLAB编写一个双线性插值的算法,用来放大缩小图象
%% 4.图像的缩放
% 思路：双线性插值
kV = 0.5; % 垂直缩放系数
kH = 0.5; % 水平缩放系数
% 读入图像
I = imread('D:\lena.bmp'); % 注意修改文件路径
II = double(I);
[m, n, r]=size(II);
OI=zeros(m*kV,n*kH, r);
rot=[kV 0 0;0 kH 0;0 0 1]; % 变换矩阵
for k=1:r
for i=1:m*kV
for j=1:n*kH
pix=[i j 1]/rot;
Y =pix(1)-floor(pix(1));
X =pix(2)-floor(pix(2));
% 边界处理
if pix(1) < 1
pix(1) = 1;
end
if pix(1) > m
pix(1) = m;
end
if pix(2) < 1
pix(2) = 1;
end
if pix(2) > n
pix(2) =n;
end
% 四个邻点
pix1 = [floor(pix(1))floor(pix(2))];
pix2 = [floor(pix(1))ceil(pix(2))];
pix3 = [ceil(pix(1))floor(pix(2))];
pix4 = [ceil(pix(1))ceil(pix(2))];
% 计算临近四个点的权重
w1 = (1-X)*(1-Y);
w2 = X*(1-Y);
w3 = (1-X)*Y;
w4 = X*Y;
% 按权重进行双线性插值
OI(i,j,k)=...
w1*II(pix1(1),pix1(2),k)+ ...
w2*II(pix2(1),pix2(2),k)+ ...
w3*II(pix3(1),pix3(2),k)+ ...
w4*II(pix4(1),pix4(2),k);
end
end
end
figure, imshow(uint8(II)), title('原图')
figure, imshow(uint8(OI)), title('缩放后')
④ 双线性插值原理的原理
双线性插值原理，是一种数学原理。
原理
简单来说
原来的数值序列：0，10，20，30，40
线性插值一次为：0，5，10，15，20，25，30，35，40
即认为其变化（增减）是线形的，可以在坐标图上画出一条直线
在数码相机技术中，这些数值可以代表组成一张照片的不同像素点的色彩、色度等指标。
为了方便理解，先考虑一维情况下的线性插值
对于一个数列c，我们假设c[a]到c[a+1]之间是线性变化的
那么对于浮点数x(a<=x<a+1)，c(x)=c[a+1]*(x-a)+c[a]*(1+a-x);
双线性插值
双线性插值作为数值分析中的一种插值算法，广泛应用在信号处理，数字图像和视频处理等方面。
把这种插值方式扩展到二维情况。
对于一个二维数组c，我们假设对于任意一个浮点数i,c(a,i)到c(a+1,i)之间是线性变化的,c(i,b)到c(i,b+1)之间也是线性变化的(a,b都是整数)
那么对于浮点数的坐标(x,y)满足(a<=x<a+1,b<=y<b+1)，我们可以先分别求出c(x,b)和c(x,b+1):
c(x,b) = c[a+1][b]*(x-a)+c[a][b]*(1+a-x);
c(x,b+1) = c[a+1][b+1]*(x-a)+c[a][b+1]*(1+a-x);
好，现在已经知道c(x,b)和c(x,b+1)了，而根据假设c(x,b)到c(x,b+1)也是线性变化的，所以:
c(x,y) = c(x,b+1)*(y-b)+c(x,b)*(1+b-y)
这就是双线性插值。
⑤ 对图像进行双线性插值算法后，图像出现块效应怎么解决
interpolation 插值方法，类似于 CV_INTER_NN 方法。当图像放大时，dst 输出图像，该方法可以避免波纹出现。当图像缩小时候;
src 输入图像,
CV_INTER_LINEAR - 双线性插值 (缺省使用)
CV_INTER_AREA - 使用象素关系重采样.
该方法就是用于将图像改变为dst定义的大小..
CV_INTER_CUBIC - 立方插值, CvArr* dstvoid cvResize( const CvArr* src，然后根据你选择的插值方法进行插值, int interpolation=CV_INTER_LINEAR ):
CV_INTER_NN - 最近邻插值.
⑥ 图像处理中的双线性插值算法的原理
何东健的《数字图像处理》光盘第六章有前两种的程序
完整程序已发你邮箱
核心代码如下：
for(y = 0; y < nNewHeight; y++)
{
//指向新图像第y行
//注意此处宽度和高度是新图像的宽度和高度
pNewTemp = pNewBits;
pNewTemp += (nNewHeight - 1 - y) * nNewWidthBytes;
//针对图像每列进行操作
for(x = 0; x < nNewWidth; x++)
{
//计算该像素在源图像中的坐标
int y0 = (long) (y / fYZoomRatio + 0.5);
int x0 = (long) (x / fXZoomRatio + 0.5);
//判断是否在源图范围内
if( (x0 >= 0) && (x0 < nOldWidth) &&
(y0 >= 0) && (y0 < nOldHeight))
{
//用双线性插值
if(bBilinear)
{
unsigned char *pTemp = Interpolation (nOldWidth, nOldHeight,
(float)x0, (float)y0,
nOldWidthBytes, nMovedBits, pOldBits);
//复制像素
memcpy(pNewTemp, pTemp, nMovedBits);
delete [] pTemp ;
}
else
//最近邻插值
{
//指向源图像第y0行，第x0个像素
//注意此处宽度和高度应该互换
pOldTemp = pOldBits;
pOldTemp += (nOldHeight - 1 - y0) * nOldWidthBytes;
pOldTemp += x0 * nMovedBits;
//复制像素
memcpy(pNewTemp, pOldTemp, nMovedBits);
}
}
pNewTemp += nMovedBits;
}
}
⑦ 如何使用Matlab实现双线性插值算法
提问前建议先自行网络 关键词 “matlab”+ “双线性插值”
首先需要了解什么是双线性插值：
如果选择一个坐标系统使得 的四个已知点坐标分别为 (0, 0)、(0, 1)、(1, 0) 和 (1, 1)，那么插值公式就可以化简为 f(x,y)=f(0,0)(1-x)(1-y)+f(0,1)(1-x)y+f(1,1)xy+f(1,0)x(1-y)
相应进行matlab程序编写即可