C++ OpenCV实现图像双三次插值算法详解
更新时间：2021年12月02日 16:19:37 作者：怎么今天你又不开心了呢
图像双三次插值的原理，就是目标图像的每一个像素都是由原图上相对应点周围的4x4=16个像素经过加权之后再相加得到的。本文主要介绍了通过C++ OpenCV实现图像双三次插值算法，需要的可以参考一下
前言
近期在学习一些传统的图像处理算法，比如传统的图像插值算法等。传统的图像插值算法包括邻近插值法、双线性插值法和双三次插值法，其中邻近插值法和双线性插值法在网上都有很详细的介绍以及用c++编写的代码。但是，网上关于双三次插值法的原理介绍虽然很多，也有对应的代码，但是大多都不是很详细。因此基于自己对原理的理解，自己编写了图像双三次插值算法的c++ opencv代码，在这里记录一下。
一、图像双三次插值算法原理
首先是原理部分。图像双三次插值的原理，就是目标图像的每一个像素都是由原图上相对应点周围的4x4=16个像素经过加权之后再相加得到的。这里的加权用到的就是三次函数，这也是图像双三次插值算法名称的由来（个人猜测）。用到的三次函数如下图所示：
最关键的问题是，这个三次函数的输入和输出分别代表啥。简单来说输入就是原图对应点周围相对于这点的4x4大小区域的坐标值，大小在0~2之间，输出就是这些点横坐标或者纵坐标的权重。4个横坐标、4个纵坐标，对应相乘就是4x4大小的权重矩阵，然后使用此权重矩阵对原图相对应的区域进行相乘并相加就可以得到目标图点的像素。
下图可以帮助大家更好地理解
首先，u和v是什么呢？举一个例子，对于一幅100x100的灰度图像，要将其放大到500x500，那么其缩放因子sx=500/100=5，sy=500/100=5。现在目标图像是500x500，需要用原图的100x100个像素值来填满这500x500个空，根据src_x=i/sx和src_y=j/sy可以得到目标像素坐标（i，j）所对应的原图像素坐标（src_x, src_y)，这个src_x和src_y的小数部分就是上图中的u和v。
理解了u和v，就可以利用u和v来计算双三次插值算法的权重了。上面说了三次函数的输入是原图对应点周围相对于这点的4x4大小区域的坐标值，对于上面这幅图而言，横坐标有四个输入，分别是1+u，u，1-u，2-u；纵坐标也有四个输入，分别是1+v，v，1-v，2-v，根据三次函数算出权重之后两两相乘就是对应的4x4大小的权重矩阵。
知道了怎么求权重矩阵之后，就可以遍历整幅图像进行插值了。下面是基于自己对原理的理解编写的c++ opencv代码，代码没有做优化，但是能够让大家直观地理解图像双三次插值算法。
二、C++ OpenCV代码
1.计算权重矩阵
前面说了权重矩阵就是横坐标的4个输出和纵坐标的4个输出相乘，因此只需要求出横坐标和纵坐标相对应的8个输出值就行了。
代码如下：
std::vector<double> getWeight(double c, double a = 0.5)
{
//c就是u和v，横坐标和纵坐标的输出计算方式一样
std::vector<double> temp(4);
temp[0] = 1 + c; temp[1] = c;
temp[2] = 1 - c; temp[3] = 2 - c;
//y(x) = (a+2)|x|*|x|*|x| - (a+3)|x|*|x| + 1 |x|<=1
//y(x) = a|x|*|x|*|x| - 5a|x|*|x| + 8a|x| - 4a 1<|x|<2
std::vector<double> weight(4);
weight[0] = (a * pow(abs(temp[0]), 3) - 5 * a * pow(abs(temp[0]), 2) + 8 * a * abs(temp[0]) - 4 * a);
weight[1] = (a + 2) * pow(abs(temp[1]), 3) - (a + 3) * pow(abs(temp[1]), 2) + 1;
weight[2] = (a + 2) * pow(abs(temp[2]), 3) - (a + 3) * pow(abs(temp[2]), 2) + 1;
weight[3] = (a * pow(abs(temp[3]), 3) - 5 * a * pow(abs(temp[3]), 2) + 8 * a * abs(temp[3]) - 4 * a);
return weight;
}
2.遍历插值
代码如下：
void bicubic(cv::Mat& src, cv::Mat& dst, int dst_rows, int dst_cols)
{
dst.create(dst_rows, dst_cols, src.type());
double sy = static_cast<double>(dst_rows) / static_cast<double>(src.rows);
double sx = static_cast<double>(dst_cols) / static_cast<double>(src.cols);
cv::Mat border;
cv::copyMakeBorder(src, border, 1, 1, 1, 1, cv::BORDER_REFLECT_101);
//处理灰度图
if (src.channels() == 1)
{
for (int i = 1; i < dst_rows + 1; ++i)
{
int src_y = (i + 0.5) / sy - 0.5; //做了几何中心对齐
if (src_y < 0) src_y = 0;
if (src_y > src.rows - 1) src_y = src.rows - 1;
src_y += 1;
//目标图像点坐标对应原图点坐标的4个纵坐标
int i1 = std::floor(src_y);
int i2 = std::ceil(src_y);
int i0 = i1 - 1;
int i3 = i2 + 1;
double u = src_y - static_cast<int64>(i1);
std::vector<double> weight_x = getWeight(u);
for (int j = 1; j < dst_cols + 1; ++j)
{
int src_x = (j + 0.5) / sy - 0.5;
if (src_x < 0) src_x = 0;
if (src_x > src.rows - 1) src_x = src.rows - 1;
src_x += 1;
//目标图像点坐标对应原图点坐标的4个横坐标
int j1 = std::floor(src_x);
int j2 = std::ceil(src_x);
int j0 = j1 - 1;
int j3 = j2 + 1;
double v = src_x - static_cast<int64>(j1);
std::vector<double> weight_y = getWeight(v);
//目标点像素对应原图点像素周围4x4区域的加权计算（插值）
double pix = weight_x[0] * weight_y[0] * border.at<uchar>(i0, j0) + weight_x[1] * weight_y[0] * border.at<uchar>(i0, j1)
+ weight_x[2] * weight_y[0] * border.at<uchar>(i0, j2) + weight_x[3] * weight_y[0] * border.at<uchar>(i0, j3)
+ weight_x[0] * weight_y[1] * border.at<uchar>(i1, j0) + weight_x[1] * weight_y[1] * border.at<uchar>(i1, j1)
+ weight_x[2] * weight_y[1] * border.at<uchar>(i1, j2) + weight_x[3] * weight_y[1] * border.at<uchar>(i1, j3)
+ weight_x[0] * weight_y[2] * border.at<uchar>(i2, j0) + weight_x[1] * weight_y[2] * border.at<uchar>(i2, j1)
+ weight_x[2] * weight_y[2] * border.at<uchar>(i2, j2) + weight_x[3] * weight_y[2] * border.at<uchar>(i2, j3)
+ weight_x[0] * weight_y[3] * border.at<uchar>(i3, j0) + weight_x[1] * weight_y[3] * border.at<uchar>(i3, j1)
+ weight_x[2] * weight_y[3] * border.at<uchar>(i3, j2) + weight_x[3] * weight_y[3] * border.at<uchar>(i3, j3);
if (pix < 0) pix = 0;
if (pix > 255)pix = 255;
dst.at<uchar>(i - 1, j - 1) = static_cast<uchar>(pix);
}
}
}
//处理彩色图像
else if (src.channels() == 3)
{
for (int i = 1; i < dst_rows + 1; ++i)
{
int src_y = (i + 0.5) / sy - 0.5;
if (src_y < 0) src_y = 0;
if (src_y > src.rows - 1) src_y = src.rows - 1;
src_y += 1;
int i1 = std::floor(src_y);
int i2 = std::ceil(src_y);
int i0 = i1 - 1;
int i3 = i2 + 1;
double u = src_y - static_cast<int64>(i1);
std::vector<double> weight_y = getWeight(u);
for (int j = 1; j < dst_cols + 1; ++j)
{
int src_x = (j + 0.5) / sy - 0.5;
if (src_x < 0) src_x = 0;
if (src_x > src.rows - 1) src_x = src.rows - 1;
src_x += 1;
int j1 = std::floor(src_x);
int j2 = std::ceil(src_x);
int j0 = j1 - 1;
int j3 = j2 + 1;
double v = src_x - static_cast<int64>(j1);
std::vector<double> weight_x = getWeight(v);
cv::Vec3b pix;
pix[0] = weight_x[0] * weight_y[0] * border.at<cv::Vec3b>(i0, j0)[0] + weight_x[1] * weight_y[0] * border.at<cv::Vec3b>(i0, j1)[0]
+ weight_x[2] * weight_y[0] * border.at<cv::Vec3b>(i0, j2)[0] + weight_x[3] * weight_y[0] * border.at<cv::Vec3b>(i0, j3)[0]
+ weight_x[0] * weight_y[1] * border.at<cv::Vec3b>(i1, j0)[0] + weight_x[1] * weight_y[1] * border.at<cv::Vec3b>(i1, j1)[0]
+ weight_x[2] * weight_y[1] * border.at<cv::Vec3b>(i1, j2)[0] + weight_x[3] * weight_y[1] * border.at<cv::Vec3b>(i1, j3)[0]
+ weight_x[0] * weight_y[2] * border.at<cv::Vec3b>(i2, j0)[0] + weight_x[1] * weight_y[2] * border.at<cv::Vec3b>(i2, j1)[0]
+ weight_x[2] * weight_y[2] * border.at<cv::Vec3b>(i2, j2)[0] + weight_x[3] * weight_y[2] * border.at<cv::Vec3b>(i2, j3)[0]
+ weight_x[0] * weight_y[3] * border.at<cv::Vec3b>(i3, j0)[0] + weight_x[1] * weight_y[3] * border.at<cv::Vec3b>(i3, j1)[0]
+ weight_x[2] * weight_y[3] * border.at<cv::Vec3b>(i3, j2)[0] + weight_x[3] * weight_y[3] * border.at<cv::Vec3b>(i3, j3)[0];
pix[1] = weight_x[0] * weight_y[0] * border.at<cv::Vec3b>(i0, j0)[1] + weight_x[1] * weight_y[0] * border.at<cv::Vec3b>(i0, j1)[1]
+ weight_x[2] * weight_y[0] * border.at<cv::Vec3b>(i0, j2)[1] + weight_x[3] * weight_y[0] * border.at<cv::Vec3b>(i0, j3)[1]
+ weight_x[0] * weight_y[1] * border.at<cv::Vec3b>(i1, j0)[1] + weight_x[1] * weight_y[1] * border.at<cv::Vec3b>(i1, j1)[1]
+ weight_x[2] * weight_y[1] * border.at<cv::Vec3b>(i1, j2)[1] + weight_x[3] * weight_y[1] * border.at<cv::Vec3b>(i1, j3)[1]
+ weight_x[0] * weight_y[2] * border.at<cv::Vec3b>(i2, j0)[1] + weight_x[1] * weight_y[2] * border.at<cv::Vec3b>(i2, j1)[1]
+ weight_x[2] * weight_y[2] * border.at<cv::Vec3b>(i2, j2)[1] + weight_x[3] * weight_y[2] * border.at<cv::Vec3b>(i2, j3)[1]
+ weight_x[0] * weight_y[3] * border.at<cv::Vec3b>(i3, j0)[1] + weight_x[1] * weight_y[3] * border.at<cv::Vec3b>(i3, j1)[1]
+ weight_x[2] * weight_y[3] * border.at<cv::Vec3b>(i3, j2)[1] + weight_x[3] * weight_y[3] * border.at<cv::Vec3b>(i3, j3)[1];
pix[2] = weight_x[0] * weight_y[0] * border.at<cv::Vec3b>(i0, j0)[2] + weight_x[1] * weight_y[0] * border.at<cv::Vec3b>(i0, j1)[2]
+ weight_x[2] * weight_y[0] * border.at<cv::Vec3b>(i0, j2)[2] + weight_x[3] * weight_y[0] * border.at<cv::Vec3b>(i0, j3)[2]
+ weight_x[0] * weight_y[1] * border.at<cv::Vec3b>(i1, j0)[2] + weight_x[1] * weight_y[1] * border.at<cv::Vec3b>(i1, j1)[2]
+ weight_x[2] * weight_y[1] * border.at<cv::Vec3b>(i1, j2)[2] + weight_x[3] * weight_y[1] * border.at<cv::Vec3b>(i1, j3)[2]
+ weight_x[0] * weight_y[2] * border.at<cv::Vec3b>(i2, j0)[2] + weight_x[1] * weight_y[2] * border.at<cv::Vec3b>(i2, j1)[2]
+ weight_x[2] * weight_y[2] * border.at<cv::Vec3b>(i2, j2)[2] + weight_x[3] * weight_y[2] * border.at<cv::Vec3b>(i2, j3)[2]
+ weight_x[0] * weight_y[3] * border.at<cv::Vec3b>(i3, j0)[2] + weight_x[1] * weight_y[3] * border.at<cv::Vec3b>(i3, j1)[2]
+ weight_x[2] * weight_y[3] * border.at<cv::Vec3b>(i3, j2)[2] + weight_x[3] * weight_y[3] * border.at<cv::Vec3b>(i3, j3)[2];
for (int i = 0; i < src.channels(); ++i)
{
if (pix[i] < 0) pix = 0;
if (pix[i] > 255)pix = 255;
}
dst.at<cv::Vec3b>(i - 1, j - 1) = static_cast<cv::Vec3b>(pix);
}
}
}
}
3. 测试及结果
int main()
{
cv::Mat src = cv::imread("C:\\Users\\Echo\\Pictures\\Saved Pictures\\bilateral.png");
cv::Mat dst;
bicubic(src, dst, 309/0.5, 338/0.5);
cv::imshow("gray", dst);
cv::imshow("src", src);
cv::waitKey(0);
}
彩色图像(放大两倍)
以上就是C++ OpenCV实现图像双三次插值算法详解的详细内容，更多关于C++ OpenCV 图像双三次插值算法的资料请关注脚本之家其它相关文章！
相关文章
函数就是一段封装好的，可以重复使用的代码，它使得我们的程序更加模块化，不需要编写大量重复的代码。这篇文章主要介绍了c语言是如何处理函数调用的？需要的朋友可以参考下2021-11-11
这篇文章主要为大家详细介绍了socket多人聊天程序C语言版第二篇，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2016-10-10
这篇文章主要介绍了C++ 多态的实现及原理，本文通过实例代码给大家介绍的非常详细，具有一定的参考借鉴价值,需要的朋友可以参考下2019-05-05
这篇文章主要介绍了C和C++混合编程问题,需要的朋友可以参考下2015-10-10
类是创建对象的模板，一个类可以创建多个对象，每个对象都是类类型的一个变量；创建对象的过程也叫类的实例化。每个对象都是类的一个具体实例（Instance），拥有类的成员变量和成员函数2021-08-08
windows自带的游戏《扫雷》是陪伴了无数人的经典游戏，本文将利用C语言实现这一经典的游戏，文中的示例代码讲解详细，感兴趣的可以学习一下，这篇文章主要介绍了C语言实现爆炸展开的扫雷游戏2022-07-07
在Mat矩阵类的成员函数中copyTo(roi , mask)函数是非常有用的一个函数，尤其是后面的mask可以实现蒙版的功能，下面通过本文给大家介绍下OpenCV copyTo()函数的相关知识，感兴趣的朋友一起看看吧2022-01-01
C++中的多线程编程和同步机制使得程序员可以利用计算机的多核心来提高程序的运行效率和性能,本文将介绍多线程编程和同步机制的基本概念和使用方法2023-09-09
本文是C++设计模式系列文章的第一篇，主要给大家讲述下工厂模式，非常的简单实用，有需要的小伙伴可以参考下2016-05-05
这篇文章主要给大家介绍了关于Objective-C限制函数调用的频率的相关资料，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧。2017-12-12
最新评论