图像旋转 双线性插值 c++

            前面详细介绍了最近邻插值实现图像的旋转，但是我们都知道，最近邻插值对于图像的旋转效果不是特别的好。所以在本文中，我们详细讨论一下双线性插值算法。

            首先，详细介绍一下什么事双线性插值，以及双线性插值为什么会比最近邻插值效果好一些。

            为什么图像的旋转一定要插值，因为在旋转过程中，由于三角函数的影响，导致旋转后的点，并不是每一个点都可以在原图像中找到对应点（如：计算出（3.5，4.4）将对应哪个点呢？），所以这些点的灰度值如何确定，就需要我们利用插值算法来进行处理，最近邻插值，想法比较简单，直接四舍五入，显然这种方法不是最理想的。那么双线性插值是什么呢？首先看图：



               如上图，假如，我们计算后得到的像素点为p，但是这个点并没有在图像中有点与之对应，因为它的值可能是小数的，那么，我们如何确定它的灰度值呢？

 双线性插值的想法也比较简单，双线性，顾名思义，利用了2次线性插值。那是哪两次呢？这时，我们便利用上了其周围的像素点O12   O22   O11   O 21 .通过O12  O22 计算出R2点的灰度值，然后通过O11   O21计算出R1点的灰度值，然后再根据R1  R2计算出P点的灰度值。这样相比最近邻方法，更加充分的利用了周围的像素点，可以取得较好的效果。

             那么我们编程如何计算呢？

             首先，对p点坐标进行取整，得到O21点坐标，然后像素值+1 便得到O22的坐标，然后利用比例计算，便可以得到R2的灰度值，同理可以得到R1灰度值，再根据比例计算，便可以得到p点的灰度值。

具体代码如下：

/*

双线性插值图像旋转函数 ， 旋转之后 图像不改变大小  信息有些丢失

输入参数：

      img: 原图像  width:原图像的宽度  height：原图像的高度
 result:旋转后的图像
 sita:旋转角度（弧度制）
 xr,yr : 旋转中心
 BackGray:背景灰度值

*/

int TwinRotate(BYTE *img,int width,int height,BYTE *result,double sita,double xr,double yr,BYTE BackGray)

{

    double SinTheta = sin(sita);double CosTheta = cos(sita);
    if(result)
          delete []result;

    result = new BYTE[width*height];

  //  if(ResultTemp==NULL)

   //     return -1;

    memset( result, BackGray, width*height*sizeof(BYTE) );

    int    x, y, px, py; 

    double tx,ty,p1,p2,p3,p4,p1_2,p3_4;

    double ConstX= -xr*CosTheta + yr*SinTheta + xr ;
    double ConstY= -yr*CosTheta - xr*SinTheta + yr ;

    

    BYTE *pRes=result, *p;

    for(y=0;y<height;y++)

    {

        tx = - y*SinTheta - CosTheta + ConstX ; 

        ty =   y*CosTheta - SinTheta + ConstY ; 

        for(x=0;x<width;x++)

        { 

            tx += CosTheta; //x*CosTheta - y*SinTheta + ConstX; (x-xr)*CosTheta - (y-yr)*SinTheta + xr 

            ty += SinTheta; //y*CosTheta + x*SinTheta + ConstY; (y-yr)*CosTheta + (x-xr)*SinTheta + yr 

            px = (int)tx;

            py = (int)ty;

            if( px<0 || px>width-2 || py<0 || py>height-2 )

            {

                pRes++;

                continue;

            }

                  p1 = img[py*width+px];    //此处求出周围点的值
                  p2 = img[py*width+px+1];
                  p3 = img[(py+1)*width+px];
                  p4 = img[(py+1)*width+px+1];
             p1_2 = p1 + (tx-px)*(p2-p1);
             p3_4 = p3 + (tx-px)*(p4-p3);
           *pRes = p1_2 + (ty - py)*(p3_4 - p1_2); 

            pRes++;

         }

    }

    return true;

}