图像缩放算法及速度优化

原文来自：博客园　小欣子

图像缩放算法及速度优化——(一)最近邻插值

图像缩放算法及速度优化——(二)双线性插值

————————————————————以下为原文——————————————————

第0节 简介

　　图像缩放算法是数字图像处理算法中经常遇到的问题。我们经常会将某种尺寸的图像转换为其他尺寸的图像，如放大或者缩小图像。OpenCV中的Resize() 函数非常方便而且效率非常高。下面是OPENCV提供的cvResize函数原型。

/****************************************************************************************************/

图像大小变换

void cvResize( const CvArr* src, CvArr* dst, int interpolation=CV_INTER_LINEAR );

src

输入图像.

dst

输出图像.

interpolation

插值方法:

CV_INTER_NN - 最近邻插值,

CV_INTER_LINEAR - 双线性插值 (缺省使用)

CV_INTER_AREA - 使用象素关系重采样。当图像缩小时候，该方法可以避免波纹出现。当图像放大时，类似于 CV_INTER_NN 方法..

CV_INTER_CUBIC - 立方插值.

函数 cvResize 将图像 src 改变尺寸得到与 dst 同样大小。若设定 ROI，函数将按常规支持 ROI.

/****************************************************************************************************/

　　相信使用过Opencv的朋友都知道如何使用此函数。下面根据我自己的理解，用VC++ 来实现图像缩放算法 ，希望大家能从中理解图像缩放算法的原理。

第1节 最近邻插值

　　最简单的图像缩放算法就是最近邻插值。顾名思义，就是将目标图像各点的像素值设为源图像中与其最近的点。假设源图像的宽度和高度分别为w0和h0, 缩放后的目标图像的宽度和高度分别为w1和h1, 那么比例就是float fw = float(w0)/w1; float fh = float(h0)/h1; 对于目标图像中的(x,y)点坐标对应着源图像中的(x0, y0)点。其中：x0 = int(x*fw), y0 = int(y*fh)。

　　示例1：现在将一张670*503的BMP图像缩放到200*160，代码和效果如下。

void ResizeNear01(CImage &src, CImage &dst)

{

int w0 = src.GetWidth();

int h0 = src.GetHeight();

int w1 = dst.GetWidth();

int h1 = dst.GetHeight();

float fw = float(w0) / w1;

float fh = float(h0) / h1;

int x0, y0;

for(int y=0; y<h1; y++)

{

y0 = int(y * fh);

for(int x=0; x<w1; x++)

{

x0 = int(x * fw);

dst.SetPixel(x, y, src.GetPixel(x0, y0));

}

}

}

分析：对于此程序，我们将执行此ResizeNear01函数的语句加上一个for循环，使其执行100次，看它的速度怎么样。

#include <time.h>

void CResizeDemoDlg::OnBnClickedButton1()

{

// TODO: Add your control notification handler code here

CImage src, dst;

src.Load(L"d:\\1.bmp");

dst.Create(200, 160, 24);

clock_t start = clock();

for(int i=0; i<100; i++)

{

ResizeNear01(src, dst);

}

float end = float(clock() - start)/CLOCKS_PER_SEC;

CString str;

str.Format(L"%6.2f", end);

MessageBox(str);

dst.Save(L"d:\\rs.jpg");

}

　　显示程序执行所用的时间为20.59秒，平均一次需要0.2秒，看起来速度还可以，是因为时间复杂度较低。目标图像的尺寸大小是200*160。

　　示例2：示例1中的算法可以改进速度的地方有两个。第一，因为最近邻插值算法求源图像中的坐标是固定的，可以把每个目标每个x和每个y对应的值通过一次循环先求出来，再利进入双重循环。第二，使用指针效率更高，如果使用CImage提供的GetPixel和SetPixel是费时间的。

//优化后的最近邻插值算法

void ResizeNear02(CImage &src, CImage &dst)

{

int w0 = src.GetWidth();

int h0 = src.GetHeight();

int pitch0 = src.GetPitch();

int w1 = dst.GetWidth();

int h1 = dst.GetHeight();

int pitch1 = dst.GetPitch();

float fw = float(w0) / w1;

float fh = float(h0) / h1;

int *arr_x = new int[w1];

int *arr_y = new int[h1];

for(int y=0; y<h1; y++)

{

arr_y[y] = int(y*fh);

}

for(int x=0; x<w1; x++)

{

arr_x[x] = int(x*fw);

}

BYTE* pSrc = (BYTE*)src.GetBits();

BYTE* pDst = (BYTE*)dst.GetBits();

BYTE* p0, *p1;

for(int y=0; y<h1; y++)

{

p0 = pSrc + pitch0 * arr_y[y];

p1 = pDst + pitch1 * y;

for(int x=0; x<w1; x++)

{

//dst.SetPixel(x, y, src.GetPixel(arr_x[x], arr_y[y]));

memcpy(p1 + 3*x, p0 + arr_x[x]*3, 3);

}

}

delete []arr_x;

delete []arr_y;

}

　　同样执行示例1中的测试程序，让ResizeNear02也循环一百次，在我机器上测试得到的结果是0.05秒，速度提高了400倍，这是一件多么让人兴奋的事情啊。

本人接触图像处理虽然也快一年了，但还是新手，望大家多多指正。

第２节 双线性插值

　　双线性插值作为OpenCV中默认使用的图像缩放算法，其效果和速度都是不错的。并且效果也比较稳定，计算复杂度并不算太高。我看了很多网上的算法，自己也没看太懂，下面是从网上找的双线性插值 算法的讲解。

　　“图像的双线性插值放大算法中，目标图像中新创造的象素值，是由源图像位置在它附近的2*2区域4个邻近象素的值通过加权平均计算得出的。双线性内插值算法放大后的图像质量较高，不会出现像素值不连续的的情况。然而次算法具有低通滤波器的性质，使高频分量受损，所以可能会使图像轮廓在一定程度上变得模糊。”

　　　　下面还是根据我自己的理解来继续讲述吧，相信读者中有很多高手，希望读者能给予我指点一下，让我也能更明白一些。

　　　　双线性插值 算法和最近邻插值算法比较类似。在最近邻插值算法中，目标图像中的某个点(x,y)是去源图像中找最邻近的一个点(x0, y0)即可。目标图像中的点(x, y)对应于源图像中的点(x0',y0')，x0'、y0'很可能不是整数，而是小数，而最近邻插值算法是找其邻近整型值(int(x0'+0.5f),int(y0'+0.5f))（上篇文章中没有进行四舍五入）。我们现在找x0', y0'所在位置旁边的四个点，根据这四个点与(x0',y0')距离的关系计算目标图像中(x,y)一点的像素值。算法描述如下：

(1)计算源图像与目标图像宽与高的比例

w0 : 表示源图像的宽度

h0 : 表示源图像的高度

w1 : 表示目标图像的宽度

h1 : 表示目标图像的高度

float fw = float(w0-1)/(w1-1);

float fh = float(h0-1)/(h1-1);

(2)针对目标图像的一个点(x, y),计算在源图像中的对应坐标，结果为浮点数。

float x0 = x * fw;

float y0 = y * fh;

int x1 = int(x0);

int x2 = x1 + 1;

int y1 = int(y0);

int y2 = y1+1;

所求的源图像中的四个点坐标为(x1, y1) (x1, y2) (x2, y1) (x2,y2)

(3)求周围四个点所占的权重比值

如上图，

fx1 = x0 - x1;

fx2 = 1.0f - fx1;

fy1 = y0 - y1;

fy2 = 1.0f - fy1;

float s1 = fx1*fy1;

float s2 = fx2*fy1;

float s3 = fx2*fy2;

float s4 = fx1*fy2;

我们以value(坐标)来代表取得此点的坐标值，则:

value(x0,y0) = value(x2,y2)*s1+value(x1,y2)*s2+value(x1,y1)*s3+value(x2,y1)*s4;

如果 对上述运算不够明白 的话，可以这样来求。

我们先要求得(x0, y1) 和(x0,y2)的像素值。

则float value(x0,y1) = value(x1,y1)*fx2 + value(x2,y1)*fx1;

float value(x0,y2) = value(x1,y2)*fx2 + value(x2,y2)*fx1;

注释：离某点越近，离权重越大，故取其与1的差值。

float value(x0,y0) = value(x0,y1)*fy2 + value(x0,y2)*fy1;

验证后与上边公式一样。

(4)求得值后填充到目标图像上就可以了。

为了能让人更容易理解，咱还是使用GetPixel和SetPixel进行取值和赋值。

void ResizeLinear01(CImage& src, CImage& dst)

{

int w0 = src.GetWidth();

int h0 = src.GetHeight();

int pitch0 = src.GetPitch();

int w1 = dst.GetWidth();

int h1 = dst.GetHeight();

int pitch1 = dst.GetPitch();

float fw = float(w0) / w1;

float fh = float(h0) / h1;

int y1,y2, x1,x2, x0,y0;

float fx1,fx2, fy1, fy2;

for(int y=0; y<h1; y++)

{

y0 = y*fh;

y1 = int(y0);

if(y1 == h0-1) y2 = y1;

else y2 = y1 + 1;

fy1 = y1-y0;

fy2 = 1.0f - fy1;

for(int x=0; x<w1; x++)

{

x0 = x*fw;

x1 = int(x0);

if(x1 == w0-1) x2 = x1;

else x2 = x1+1;

fx1 = y1-y0;

fx2 = 1.0f - fx1;

float s1 = fx1*fy1;

float s2 = fx2*fy1;

float s3 = fx2*fy2;

float s4 = fx1*fy2;

COLORREF c1,c2,c3,c4, color;

c1 = src.GetPixel(x1,y1);

c2 = src.GetPixel(x2,y1);

c3 = src.GetPixel(x1,y2);

c4 = src.GetPixel(x2,y2);

BYTE r,g,b;

r = (BYTE)(GetRValue(c1)*s3) + (BYTE)(GetRValue(c2)*s4) + (BYTE)(GetRValue(c3)*s2) + (BYTE)(GetRValue(c4)*s1);

g = (BYTE)(GetGValue(c1)*s3) + (BYTE)(GetGValue(c2)*s4) + (BYTE)(GetGValue(c3)*s2) + (BYTE)(GetGValue(c4)*s1);

b = (BYTE)(GetBValue(c1)*s3) + (BYTE)(GetBValue(c2)*s4) + (BYTE)(GetBValue(c3)*s2) + (BYTE)(GetBValue(c4)*s1);

dst.SetPixelRGB(x, y, r, g, b);

}

}

}

测试程序仍是将670*503尺寸的图片缩放为200*160。经过测试，上边的算法执行一次就需要0.5秒左右，可以说是非常的慢。如果将其缩放成2000*1600大小的图片，一次就需要50秒。这是非常可怕的，假如现在我们做一个类似PHOTOSHOP的软件，用户想将其扩大若干倍，却要等50秒，估计用户已经没有耐心使用您的软件了。

我们来分析一下怎样可以优化程序。在每一步优化算法后，我们都再用上边同样的程序和步骤进行测试，观察运行所用时间。

(1)改函数调用 为指针操作如第1节。（进行完此步后，程序只需要0.2秒左右，速度提高了250倍，哈哈！）

(2)将x0,y0坐标的计算提取到 循环外，因为第二层循环里的x坐标每次循环都要重复一次，并且是重复的。（仍然是需要0.2秒左右。我们让其循环一百次，再比较下所用时间。使用ResizeLinear02方法用时19.6秒，使用ResizeLinear02方法都是用时17.4秒，看来还是有作用的。）

下面是最终的代码。

void ResizeLinear04(CImage& src, CImage& dst)

{

int w0 = src.GetWidth();

int h0 = src.GetHeight();

int pitch0 = src.GetPitch();

int w1 = dst.GetWidth();

int h1 = dst.GetHeight();

int pitch1 = dst.GetPitch();

BYTE* pSrc = (BYTE*)src.GetBits();

BYTE* pDst = (BYTE*)dst.GetBits();

BYTE* p0, *p1 = pDst;

float fw = float(w0-1) / (w1-1);

float fh = float(h0-1) / (h1-1);

float x0, y0;

int y1, y2, x1, x2;

float fx1, fx2, fy1, fy2;

int* arr_x1 = new int[w1];

int* arr_x2 = new int[w1];

float* arr_fx1 = new float[w1];

for(int x=0; x<w1; x++)

{

x0 = x*fw;

arr_x1[x] = int(x0);

arr_x2[x] = int(x0+0.5f);

arr_fx1[x] = x0 - arr_x1[x];

//TRACE(L"x=%6d; x0=%6.3f; x1=%6d; x2=%6d; fx1=%6.3f;\n", x, x0, arr_x1[x], arr_x2[x], arr_fx1[x]);

}

for(int y=0; y<h1; y++)

{

y0 = y*fh;

y1 = int(y0);

y2 = int(y0+0.5f);

fy1 = y0-y1;

fy2 = 1.0f - fy1;

//TRACE(L"y=%6d; y0=%6.3f; y1=%6d; y2=%6d; fy1=%6.3f;\n", y, y0, y1, y2, fy1);

for(int x=0; x<w1; x++)

{

x1 = arr_x1[x];

x2 = arr_x2[x];

fx1 = arr_fx1[x];

fx2 = 1.0f-fx1;

float s1 = fx2*fy2;

float s2 = fx1*fy2;

float s3 = fx1*fy1;

float s4 = fx2*fy1;

//TRACE(L"s1=%6.3f; s2=%6.3f; s3=%6.3f; s4=%6.3f; sum=%6.3f\n", s1,s2,s3,s4, s1+s2+s3+s4);

BYTE* p11 = pSrc + pitch0*y1 + 3*x1;

BYTE* p12 = pSrc + pitch0*y1 + 3*x2;

BYTE* p21 = pSrc + pitch0*y2 + 3*x1;

BYTE* p22 = pSrc + pitch0*y2 + 3*x2;

*p1 = BYTE((*p11)*s1 + (*p12)*s2 + (*p21)*s4 + (*p22)*s3); p1++; p11++; p12++; p21++; p22++;

*p1 = BYTE((*p11)*s1 + (*p12)*s2 + (*p21)*s4 + (*p22)*s3); p1++; p11++; p12++; p21++; p22++;

*p1 = BYTE((*p11)*s1 + (*p12)*s2 + (*p21)*s4 + (*p22)*s3); p1++;

}

p1 = pDst + y*pitch1;

}

delete []arr_x1;

delete []arr_x2;

delete []arr_fx1;

}