• 三种常见的图像处理双三次插值算法


    三种常见的图像处理双三次插值算法

    双立方插值计算涉及16像素,间(i’, j’)像中的包括

    小数部分的像素坐标。dx表示X方向的小数坐标。dy表示Y方向的小数坐标。

    详细

    能够看下图:


    依据上述图示与双立方插值的数学表达式能够看出。双立方插值本质上图像16个像素点

    权重卷积之和作为新的像素值。

    当中R(x)表示插值表达式,能够依据须要选择的表达式不同。常见有基于三角取值、Bell

    分布表达、B样条曲线表达式。

    1. 基于三角形採样数学公式为


    最简单的线性分布,代码实现例如以下:

    private double triangleInterpolation( double f )
    {
    	f = f / 2.0;
    	if( f < 0.0 )
    	{
    		return ( f + 1.0 );
    	}
    	else
    	{
    		return ( 1.0 - f );
    	}
    }
    2.基于Bell分布採样的数学公式例如以下:


    Bell分布採样数学公式基于三次卷积计算实现。代码实现例如以下:

    private double bellInterpolation( double x )
    {
    	double f = ( x / 2.0 ) * 1.5;
    	if( f > -1.5 && f < -0.5 )
    	{
    		return( 0.5 * Math.pow(f + 1.5, 2.0));
    	}
    	else if( f > -0.5 && f < 0.5 )
    	{
    		return 3.0 / 4.0 - ( f * f );
    	}
    	else if( ( f > 0.5 && f < 1.5 ) )
    	{
    		return( 0.5 * Math.pow(f - 1.5, 2.0));
    	}
    	return 0.0;
    }
    3.基于B样条曲线採样的数学公式例如以下:


    是一种基于多项式的四次卷积的採样计算,代码例如以下:

    private double bspLineInterpolation( double f )
    {
    	if( f < 0.0 )
    	{
    		f = -f;
    	}
    
    	if( f >= 0.0 && f <= 1.0 )
    	{
    		return ( 2.0 / 3.0 ) + ( 0.5 ) * ( f* f * f ) - (f*f);
    	}
    	else if( f > 1.0 && f <= 2.0 )
    	{
    		return 1.0 / 6.0 * Math.pow( ( 2.0 - f  ), 3.0 );
    	}
    	return 1.0;
    }
    实现图像双立方插值的完整源码例如以下:

    package com.gloomyfish.zoom.study;
    
    import java.awt.image.BufferedImage;
    import java.awt.image.ColorModel;
    
    import com.gloomyfish.filter.study.AbstractBufferedImageOp;
    
    public class BicubicInterpolationFilter extends AbstractBufferedImageOp  {
    	public final static int TRIANGLE__INTERPOLATION = 1;
    	public final static int BELL__INTERPOLATION = 2;
    	public final static int BSPLINE__INTERPOLATION = 4;
    	public final static int CATMULLROOM__INTERPOLATION = 8;
        public final static double B = 0.0;
        public final static double C = 0.5; // constant
    	private int destH; // zoom height
    	private int destW; // zoom width
    	private int type;
    	public BicubicInterpolationFilter()
    	{
    		this.type = BSPLINE__INTERPOLATION;
    	}
    	public void setType(int type) {
    		this.type = type;
    	}
    	public void setDestHeight(int destH) {
    		this.destH = destH;
    	}
    
    	public void setDestWidth(int destW) {
    		this.destW = destW;
    	}
    	
    	private double bellInterpolation( double x )
    	{
    		double f = ( x / 2.0 ) * 1.5;
    		if( f > -1.5 && f < -0.5 )
    		{
    			return( 0.5 * Math.pow(f + 1.5, 2.0));
    		}
    		else if( f > -0.5 && f < 0.5 )
    		{
    			return 3.0 / 4.0 - ( f * f );
    		}
    		else if( ( f > 0.5 && f < 1.5 ) )
    		{
    			return( 0.5 * Math.pow(f - 1.5, 2.0));
    		}
    		return 0.0;
    	}
    	
    	private double bspLineInterpolation( double f )
    	{
    		if( f < 0.0 )
    		{
    			f = -f;
    		}
    
    		if( f >= 0.0 && f <= 1.0 )
    		{
    			return ( 2.0 / 3.0 ) + ( 0.5 ) * ( f* f * f ) - (f*f);
    		}
    		else if( f > 1.0 && f <= 2.0 )
    		{
    			return 1.0 / 6.0 * Math.pow( ( 2.0 - f  ), 3.0 );
    		}
    		return 1.0;
    	}
    	
    	private double triangleInterpolation( double f )
    	{
    		f = f / 2.0;
    		if( f < 0.0 )
    		{
    			return ( f + 1.0 );
    		}
    		else
    		{
    			return ( 1.0 - f );
    		}
    	}
    	
    	private double CatMullRomInterpolation( double f )
    	{
    	    if( f < 0.0 )
    	    {
    	        f = Math.abs(f);
    	    }
    	    if( f < 1.0 )
    	    {
    	        return ( ( 12 - 9 * B - 6 * C ) * ( f * f * f ) +
    	            ( -18 + 12 * B + 6 *C ) * ( f * f ) +
    	            ( 6 - 2 * B ) ) / 6.0;
    	    }
    	    else if( f >= 1.0 && f < 2.0 )
    	    {
    	        return ( ( -B - 6 * C ) * ( f * f * f )
    	            + ( 6 * B + 30 * C ) * ( f *f ) +
    	            ( - ( 12 * B ) - 48 * C  ) * f +
    	            8 * B + 24 * C)/ 6.0;
    	    }
    	    else
    	    {
    	        return 0.0;
    	    }
    	} 
    
    	@Override
    	public BufferedImage filter(BufferedImage src, BufferedImage dest) {
    		int width = src.getWidth();
    		int height = src.getHeight();
    
    		if (dest == null)
    			dest = createCompatibleDestImage(src, null);
    
    		int[] inPixels = new int[width * height];
    		int[] outPixels = new int[destH * destW];
    		getRGB(src, 0, 0, width, height, inPixels);
    		float rowRatio = ((float) height) / ((float) destH);
    		float colRatio = ((float) width) / ((float) destW);
    		int index = 0;
    		for (int row = 0; row < destH; row++) {
    			int ta = 0, tr = 0, tg = 0, tb = 0;
    			double srcRow = ((float) row) * rowRatio;
    			// 获取整数部分坐标 row Index
    			double j = Math.floor(srcRow);
    			// 获取行的小数部分坐标
    			double t = srcRow - j;
    			for (int col = 0; col < destW; col++) {
    				double srcCol = ((float) col) * colRatio;
    				// 获取整数部分坐标 column Index
    				double k = Math.floor(srcCol);
    				// 获取列的小数部分坐标
    				double u = srcCol - k;
    				double[] rgbData = new double[3];
    				double rgbCoffeData = 0.0;
    				for(int m=-1; m<3; m++)
    				{
    					for(int n=-1; n<3; n++)
    					{
    						int[] rgb = getPixel(j+m, k+n, width, height, inPixels);
    						double f1 = 0.0d;
    						double f2 = 0.0d;
    						if(type == TRIANGLE__INTERPOLATION)
    						{
    							f1  = triangleInterpolation( ((double) m ) - t );
    							f2 = triangleInterpolation ( -(( (double) n ) - u ) );	
    						}
    						else if(type == BELL__INTERPOLATION)
    						{
    							f1  = bellInterpolation( ((double) m ) - t );
    							f2 = bellInterpolation ( -(( (double) n ) - u ) );	
    						}
    						else if(type == BSPLINE__INTERPOLATION)
    						{
    							f1  = bspLineInterpolation( ((double) m ) - t );
    							f2 = bspLineInterpolation ( -(( (double) n ) - u ) );	
    						}
    						else
    						{
    							f1  = CatMullRomInterpolation( ((double) m ) - t );
    							f2 = CatMullRomInterpolation ( -(( (double) n ) - u ) );							
    						}
    						// sum of weight
    						rgbCoffeData += f2*f1;
    						// sum of the RGB values
    						rgbData[0] += rgb[0] * f2 * f1;
    						rgbData[1] += rgb[1] * f2 * f1;
    						rgbData[2] += rgb[2] * f2 * f1;
    					}
    				}
    				ta = 255;
    				// get Red/green/blue value for sample pixel
    				tr = (int) (rgbData[0]/rgbCoffeData);
    				tg = (int) (rgbData[1]/rgbCoffeData);
    				tb = (int) (rgbData[2]/rgbCoffeData);
    				index = row * destW + col;
    				outPixels[index] = (ta << 24) | (clamp(tr) << 16)
    						| (clamp(tg) << 8) | clamp(tb);
    			}
    		}
    		setRGB(dest, 0, 0, destW, destH, outPixels);
    		return dest;
    	}
    	
    	public int clamp(int value) {
    		return value > 255 ? 255 :
    			(value < 0 ? 0 : value);
    	}
    	
    	private int[] getPixel(double j, double k, int width, int height,
    			int[] inPixels) {
    		int row = (int) j;
    		int col = (int) k;
    		if (row >= height) {
    			row = height - 1;
    		}
    		if (row < 0) {
    			row = 0;
    		}
    		if (col < 0) {
    			col = 0;
    		}
    		if (col >= width) {
    			col = width - 1;
    		}
    		int index = row * width + col;
    		int[] rgb = new int[3];
    		rgb[0] = (inPixels[index] >> 16) & 0xff;
    		rgb[1] = (inPixels[index] >> 8) & 0xff;
    		rgb[2] = inPixels[index] & 0xff;
    		return rgb;
    	}
    	public BufferedImage createCompatibleDestImage(
    			BufferedImage src, ColorModel dstCM) {
            if ( dstCM == null )
                dstCM = src.getColorModel();
            return new BufferedImage(dstCM, 
            		dstCM.createCompatibleWritableRaster(destW, destH), 
            		dstCM.isAlphaPremultiplied(), null);
        }
    }
    
    执行效果:原图

    双立方插值放大以后:


    总结:

    基于这里三种方法实现的双立方插值以后图片跟原图像相比,都有一定模糊

    这里时候能够通过兴许处理实现图像锐化与对照度提升就可以得到Sharpen版本号

    当然也能够通过寻找更加合适的R(x)函数来实现双立方卷积插值过程时保留

    图像边缘与对照度。

    一定要包括转载

    版权声明:本文博主原创文章。博客,未经同意不得转载。

  • 相关阅读:
    SpringCloud
    SpringCloud
    一个表的字段更新另一个表的字段
    MYSQL5.7 sql_mode=only_full_group_by
    CentOS7 防火墙操作
    log4j DailyRollingFileAppender, DatePattern 配置
    Fiddler抓包-会话框添加查看get与post请求类型选项
    Fiddler抓包-工具介绍(request和response)
    Fiddler抓包-get与post请求
    Fiddler抓包-只抓APP的请求
  • 原文地址:https://www.cnblogs.com/blfshiye/p/4823027.html
Copyright © 2020-2023  润新知