双线性内插法&最近邻内插法-python（详细）__双线性内插法怎么计算

相关文章推荐

重感情的小熊猫 · 深江铁路项目中山段民众街道用地红线外农用地“ ...· 4 月前 ·

帅气的小熊猫 · 健身私教小说 - 抖音· 6 月前 ·

纯真的木瓜 · 私人小影库的微博_微博· 1 年前 ·

小眼睛的葡萄酒 · 《这个杀手不太冷静》影评：拿底层人取乐，让我 ...· 1 年前 ·

温暖的枕头 · 全国人民代表大会常务委员会工作报告_中国人大网· 1 年前 ·

在网上找了一圈，没有找到完整且正确的python代码，所以在这里发出来

理论可以直接看一下百度百科：双线性插值

公式很简单，画一下图就知道怎么回事了，简单说就是根据相邻点的远近乘以对应的权重，离得越远权重越小，离得越近权重越大

重点就是一个公式：

f(x,y) = f(0,0)*(1-a)*(1-b) +f(0,1)*(1-a)*b + f(1,0)*a*(1-b) + f(1,1)*a*b

这里要特别说明的是，在边缘处理上，我也采用了类似的方法：

在底部边缘采用：f(x,y) = f(0,0)*(1-b) + f(0,1)*b

在右部边缘采用：f(x,y) = f(0,0)*(1-a) + f(1,0)*a

在四角采用：f(x,y) = f(0,0)

# -------------------------------------------------------------------------------
# Description: 双线性内插（该方法针对图像放大）
# Description: 效果：双线性内插 > 最近邻插值 > 图片通过Ctrl键进行放大
# Description: 《数字图像处理》P.44
# Reference:
# Author: Sophia
# Date:   2021/3/24
# -------------------------------------------------------------------------------
import numpy as np
import cv2

ep = 1e-5


def BI(img, img_shape, tar_shape):
    srcH, srcW = img_shape
    tarH, tarW = tar_shape
    ratioH = tarH / srcH
    ratioW = tarW / srcW
    tarImg = np.zeros((int(tarH), int(tarW), 3))
    for h in range(int(tarH)):
        for w in range(int(tarW)):
            x, y = h / ratioH, w / ratioW
            x_int, y_int = int(x), int(y)
            a, b = x - x_int, y - y_int
            if abs(x_int + 1 - srcH) < ep:
                if abs(y_int + 1 - srcW) < ep:
                    tarImg[h, w, :] = img[x_int, y_int, :]
                else:
                    tarImg[h, w, :] = img[x_int, y_int, :] * (1 - b) + img[x_int, y_int + 1, :] * b
            elif abs(y_int + 1 - srcW) < ep:
                tarImg[h, w, :] = img[x_int, y_int, :] * (1 - a) + img[x_int + 1, y_int, :] * a
            else:
                tarImg[h, w, :] = img[x_int, y_int, :] * (1 - a) * (1 - b) \
                                  + img[x_int + 1, y_int, :] * a * (1 - b) \
                                  + img[x_int, y_int + 1, :] * (1 - a) * b \
                                  + img[x_int + 1, y_int + 1, :] * a * b
    return tarImg


img = cv2.imread('./images/bug.png')
img_shape = (img.shape[0], img.shape[1])
tar_shape = (img.shape[0] * 1.5, img.shape[1] * 1.5)
tarImg = BI(img, img_shape, tar_shape)
cv2.imwrite('./images/bug_BI_1.5.png', tarImg)

bug.png

双线性内插法&最近邻内插法-python（详细）_python代码

结果： 放大五倍 之后的效果图， 前一张是双线性内插法 生成图， 后一张是最近邻内插法 生成图，明显前者比后者的效果要好

双线性内插法&最近邻内插法-python（详细）_python代码_02

双线性内插法&最近邻内插法-python（详细）_插值_03

这里顺便放一下最近邻内插法的python代码：

# -------------------------------------------------------------------------------
# Description: 最近邻内插（该方法针对图像放大）
# Description: 效果：最近邻插值 > 图片通过Ctrl键进行放大
# Description: 《数字图像处理》P.44
# Reference:
# Author: Sophia
# Date:   2021/3/24
# -------------------------------------------------------------------------------
import numpy as np
import cv2


def NNI(img, img_shape, tar_shape):
    ratioH = tar_shape[0] / img_shape[0]
    ratioW = tar_shape[1] / img_shape[1]
    tarImg = np.zeros((int(tar_shape[0]), int(tar_shape[1]), 3))
    for h in range(int(tar_shape[0])):
        for w in range(int(tar_shape[1])):
            srch = int(h / ratioH)
            srcw = int(w / ratioW)
            tarImg[h][w] = img[srch][srcw]
    return tarImg


img = cv2.imread('./images/sophia.jpg')
img_shape = (img.shape[0], img.shape[1])
tar_shape = (img.shape[0] * 2, img.shape[1] * 2)
tarImg = NNI(img, img_shape, tar_shape)
cv2.imwrite('./images/sophia_NNI_2.png', tarImg)