最临近插值和双线性内插值算法实现比较
图像缩放
顾名思义，就是把原图像按照目标尺寸放大或者缩小，是图像处理的一种。自然，图像缩放的核心也就是怎么样根据已知图像计算目标图像的各点像素值。最简单的是最临近插值算法，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。另一种算法是双线性内插值算法，这种算法的目标像素值不再简单地由一个像素决定，而是由他的四临域乘以相应的权重决定。具体公式为：
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)
其中U和V是浮点坐标的小数部分，显然离目标点距离越近的点的权重越大，这也正符合目标点的值与离他最近的点最接近这一事实。关于这两种算法的详细说明，网上很多，这里就不多说了。下面是实现程序，这里除了两个算法之外，还涉及到位图的读写操作。具体看注释吧，需要注意的是位图中有涉及到调色板，这里为了简便，原图像最好是不带有调色板的24位位图。
算法代码
enum StretchMode
{
nearest, //最临近插值算法
bilinear //双线性内插值算法
};
void Stretch(const string& srcFile,const string& desFile,int desW,int desH,StretchMode mode)
{
BITMAPFILEHEADER bmfHeader;
BITMAPINFOHEADER bmiHeader;
FILE *pFile;
if ((pFile = fopen(srcFile.c_str(),"rb")) == NULL)
{
printf("open bmp file error.");
exit(-1);
}
//读取文件和Bitmap头信息
fseek(pFile,0,SEEK_SET);
fread(&bmfHeader,sizeof(BITMAPFILEHEADER),1,pFile);
fread(&bmiHeader,sizeof(BITMAPINFOHEADER),1,pFile);
//先不支持小于16位的位图
int bitCount = bmiHeader.biBitCount;
if (bitCount < 16)
{
exit(-1);
}
int srcW = bmiHeader.biWidth;
int srcH = bmiHeader.biHeight;
int lineSize = bitCount * srcW / 8;
//偏移量，windows系统要求每个扫描行按四字节对齐
int alignBytes = ((bmiHeader.biWidth * bitCount + 31) & ~31) / 8L
- bmiHeader.biWidth * bitCount / 8L;
//原图像缓存
int srcBufSize = lineSize * srcH;
BYTE* srcBuf = new BYTE[srcBufSize];
int i,j;
//读取文件中数据
for (i = 0; i < srcH; i++)
{
fread(&srcBuf[lineSize * i],lineSize,1,pFile);
fseek(pFile,alignBytes,SEEK_CUR);
}
//目标图像缓存
int desBufSize = ((desW * bitCount + 31) / 32) * 4 * desH;
int desLineSize = ((desW * bitCount + 31) / 32) * 4;
BYTE *desBuf = new BYTE[desBufSize];
double rateH = (double)srcH / desH;
double rateW = (double)srcW / desW;
float nearnesttime1, nearnesttime2;
float bilineartime1, bilinertime2;
//最临近插值算法
if (mode == nearest)
{
//nearnesttime1 = ;
for (i = 0; i < desH; i++)
{
//选取最邻近的点
int tSrcH = (int)(rateH * i + 0.5);
for (j = 0; j < desW; j++)
{
int tSrcW = (int)(rateW * j + 0.5);
memcpy(&desBuf[i * desLineSize] + j * bmiHeader.biBitCount / 8,&srcBuf[tSrcH * lineSize] + tSrcW * bmiHeader.biBitCount / 8,bmiHeader.biBitCount / 8);
}
}
}
//双线型内插值算法
else
{
for (i = 0; i < desH; i++)
{
int tH = (int)(rateH * i);
int tH1 = min(tH + 1,srcH - 1);
float u = (float)(rateH * i - tH);
for (j = 0; j < desW; j++)
{
int tW = (int)(rateW * j);
int tW1 = min(tW + 1,srcW - 1);
float v = (float)(rateW * j - tW);
//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)
for (int k = 0; k < 3; k++)
{
desBuf[i * desLineSize + j * bitCount / 8 + k] =
(1 - u)*(1 - v) * srcBuf[tH * lineSize + tW * bitCount / 8 + k] +
(1 - u)*v*srcBuf[tH1 * lineSize + tW * bitCount / 8+ k] +
u * (1 - v) * srcBuf[tH * lineSize + tW1 * bitCount / 8 + k] +
u * v * srcBuf[tH1 * lineSize + tW1 * bitCount / 8 + k];
}
}
}
}
//创建目标文件
HFILE hfile = _lcreat(desFile.c_str(),0);
//文件头信息
BITMAPFILEHEADER nbmfHeader;
nbmfHeader.bfType = 0x4D42;
nbmfHeader.bfSize = sizeof(BITMAPFILEHEADER) + sizeof(BITMAPINFOHEADER)
+ desW * desH * bitCount / 8;
nbmfHeader.bfReserved1 = 0;
nbmfHeader.bfReserved2 = 0;
nbmfHeader.bfOffBits = sizeof(BITMAPFILEHEADER) + sizeof(BITMAPINFOHEADER);
//Bitmap头信息
BITMAPINFOHEADER bmi;
bmi.biSize=sizeof(BITMAPINFOHEADER);
bmi.biWidth=desW;
bmi.biHeight=desH;
bmi.biPlanes=1;
bmi.biBitCount=bitCount;
bmi.biCompression=BI_RGB;
bmi.biSizeImage=0;
bmi.biXPelsPerMeter=0;
bmi.biYPelsPerMeter=0;
bmi.biClrUsed=0;
bmi.biClrImportant=0;
//写入文件头信息
_lwrite(hfile,(LPCSTR)&nbmfHeader,sizeof(BITMAPFILEHEADER));
//写入Bitmap头信息
_lwrite(hfile,(LPCSTR)&bmi,sizeof(BITMAPINFOHEADER));
//写入图像数据
_lwrite(hfile,(LPCSTR)desBuf,desBufSize);
_lclose(hfile);
}
实验结论
通过生成的两幅图像对比，双线性内插值算法缩放效果比最邻近插值算法好很多。
关于Image Engineering & Computer Vision的更多讨论与交流，敬请关注本博和新浪微博songzi_tea.