实现基于最近邻内插和双线性内插的图像缩放C++实现

平时我们写图像处理的代码时，如果需要缩放图片，我们都是直接调用图像库的resize函数来完成图像的缩放。作为一个机器视觉或者图像处理算法的工作者，图像缩放代码的实现应该是必须掌握的。在众多图像缩放算法中，最近邻内插算法和双线性内插算法最为基本和常见，所以这篇文章就说一说如何用c++实现这两种算法下的图像缩放。

最近邻内插

最近邻内插这种算法就是根据原图像和目标图像的尺寸，计算缩放的比例，然后根据缩放比例计算目标像素所依据的原像素，过程中自然会产生小数，这时就采用四舍五入，取与这个点最相近的点，当然向下取整也是可以的。

#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include <iostream>

using namespace std;
void scale(cv::Mat& input_img, int width, int height);

int main()
{
cv::Mat img = cv::imread("41.png",0);
cv::imshow("src", img);
scale(img, 450, 300);

return 0;
}

//获取原图相应坐标的像素值
uchar get_scale_value(cv::Mat& input_img, int i, int j)
{
uchar* p = input_img.ptr<uchar>(i);
return p[j];

}

void scale(cv::Mat& input_img,int width,int height)
{
cv::Mat output_img(height, width, CV_8UC1);
output_img.setTo(0);
float h_scale_rate = (float)input_img.rows/ height;  //高的比例
float w_scale_rate = (float)input_img.cols / width;  //宽的比例
for (int i = 0; i < height; i++)
{
uchar* p = output_img.ptr<uchar>(i);
for (int j = 0; j < width; j++)
{
int i_scale = h_scale_rate * i;   //依照高的比例计算原图相应坐标中的x，这里采用的是向下取整，当然四舍五入也可以
int j_scale = w_scale_rate * j;  //依照宽的比例计算原图相应坐标中的y
//cout << "i_scale: " << i_scale <<" j_scale: "<< j_scale << endl;

p[j] = get_scale_value(input_img,i_scale, j_scale);
}
}

cv::imshow("scale", output_img);
cv::imwrite("result.png", output_img);
cv::waitKey();

}

原图



缩放图



最近邻内插算法实现的图像缩放的原理很简单，编码起来也容易，缺点就是得到的图像效果不太好。

双线性内插

对于一个目的像素，设置坐标通过反向变换得到的浮点坐标为(x,y),当然我们也可以将其表示成整数+小数的形式，即(i+u,j+v)，其中i、j均为非负整数，u、v为[0,1)区间的浮点数，则这个像素得值 f(i+u,j+v) 可由原图像中坐标为 (i,j)、(i+1,j)、(i,j+1)、(i+1,j+1)所对应的周围四个像素的值决定，即：

　　　　f(i+u,j+v) = (1-u)(1-v)f(i,j) + (1-u)vf(i,j+1) + u(1-v)f(i+1,j) + uvf(i+1,j+1)

双线性内值算法的核心思想就是上面的那个公式，它解释了对于原图不存在的浮点像素（比如<1.5,1.5>）是如何确定其实际值的。其实它是以4个相邻的像素值来共同确定，即<1,1> <2,1> <1,2> <2,2>。谁离<1,1>比较近，谁就对它起的影响比较大，这些都在公式中有所体现，这就是双线性插值的精髓。

#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include <iostream>

using namespace std;
void bin_linear_scale(cv::Mat& input_img, int width, int height);

int main()
{
cv::Mat img = cv::imread("41.png", 0);
cv::imshow("src", img);
bin_linear_scale(img, 450, 300);

return 0;
}

//f(i+u,j+v) = (1-u)(1-v)f(i,j) + (1-u)vf(i,j+1) + u(1-v)f(i+1,j) + uvf(i+1,j+1)
uchar get_scale_value(cv::Mat& input_img, float raw_i, float raw_j)
{
int i = raw_i;
int j = raw_j;
float u = raw_i - i;
float v = raw_j - j;

//注意处理边界问题，容易越界
if (i + 1 >= input_img.rows || j + 1 >= input_img.cols)
{
uchar* p = input_img.ptr<uchar>(i);
return p[j];
}

uchar* p = input_img.ptr<uchar>(i);
uchar x1 = p[j];  //f(i,j)
uchar x2 = p[j + 1];  //f(i,j+1)
p = input_img.ptr<uchar>(i+1);
uchar x3 = p[j];   //(i+1,j)
uchar x4 = p[j + 1];  //f(i+1,j+1)

// printf("%d %d\n", i, j);
return ((1-u)*(1-v)*x1+(1-u)*v*x2+u*(1-v)*x3+u*v*x4);
}

void bin_linear_scale(cv::Mat& input_img, int width, int height)
{
cv::Mat output_img(height, width, CV_8UC1);
output_img.setTo(0);
float h_scale_rate = (float)input_img.rows / height;
float w_scale_rate = (float)input_img.cols / width;
for (int i = 0; i < height; i++)
{
uchar* p = output_img.ptr<uchar>(i);
for (int j = 0; j < width; j++)
{
float i_scale = h_scale_rate * i;
float j_scale = w_scale_rate * j;
//cout << "i_scale: " << i_scale <<" j_scale: "<< j_scale << endl;

p[j] = get_scale_value(input_img, i_scale, j_scale);
}
}

cv::imshow("scale", output_img);
cv::imwrite("result.png", output_img);
cv::waitKey();
}