python实现图像最近邻插值
作者:机器学习入坑者 时间:2023-02-01 00:03:34
引言:
最近邻插值Nearest Neighbour Interpolate
算法是图像处理中普遍使用的图像尺寸缩放算法,由于其实现简单计算速度快的特性深受工程师们的喜爱。
图像插值技术是图像超分辨率领域的重要研究方法之一,其目的是根据已有的低分辨率图像(Low Resolution,LR)获得高分辨率图像(High Resolution,HR)。
本文一方面对最邻近插值算法的流程进行分析,另一方面借助python实现基本的最近邻插值算法。
注:网上的资料有的翻译是“近邻”,也有的翻译是“临近”。
1、最近邻插值算法思想
插值的目的是根据已知的图像的像素值获得未知目标图像的像素值,插值变换过程如下图(PPT画的背景没去除)所示:
其中src
表示原始图像,tar表示插值得到的目标图像,H和W分别表示图像的高度和宽度。插值的核心是找到(tar_x, tar_y)和(src_x, src_y)的映射关系,从而实现对目标图像的每一个像素点进行赋值。假设目的是将原始图像长度和宽度扩大(3,4)倍,即:
ratio_H = tar_H/src_H = tar_x/src_x = 3
ratio_W = tar_W/src_W = tar_y/src_y = 4
通过上式变形,得到目标图像的像素点和原始图像的像素点映射如下:
tar_x = src_x/ratio_H
tar_y = src_y/ratio_W
知道了像素点之间的映射关系,实现算法就很容易了,算法流程如下:
(1)根据tar_H和tar_W创建目标图像
(2)计算缩放比例因子ratio
(3)遍历目标图像每个像素点,计算映射关系
(4)遍历目标图像每个像素点,使用对应原始图像的对应像素点对其赋值
2、python实现最邻近插值
有了前面的理论分析就很容易实现了,自己实现中比较难理解的地方就是“坐标变换关系”!如果是将原始图像放大整数倍很容易理解,比如一张原始10x10图像放大到目标20x20图像,那么20x20图像中的任一个像素点(tar_x,tar_y)的值来自原始10x10图像的(src_x,src_y)=int(tar_x/2, tar_y/2)
,也就是正好是除以2的位置;然而经常需要放大的倍数是小数倍,比如将10x10放大到15x15,这样(tar_x,tar_y)的值来自10x10图像中(src_x, src_y)=int(tar_x/1.5, tar_y/1.5)。
代码如下:
def nearest(image, target_size):
"""
Nearest Neighbour interpolate for RGB image
:param image: rgb image
:param target_size: tuple = (height, width)
:return: None
"""
if target_size[0] < image.shape[0] or target_size[1] < image.shape[1]:
raise ValueError("target image must bigger than input image")
# 1:按照尺寸创建目标图像
target_image = np.zeros(shape=(*target_size, 3))
# 2:计算height和width的缩放因子
alpha_h = target_size[0]/image.shape[0]
alpha_w = target_size[1]/image.shape[1]
for tar_x in range(target_image.shape[0]-1):
for tar_y in range(target_image.shape[1]-1):
# 3:计算目标图像人任一像素点
# target_image[tar_x,tar_y]需要从原始图像
# 的哪个确定的像素点image[src_x, xrc_y]取值
# 也就是计算坐标的映射关系
src_x = round(tar_x/alpha_h)
src_y = round(tar_y/alpha_w)
# 4:对目标图像的任一像素点赋值
target_image[tar_x, tar_y] = image[src_x, src_y]
return target_image
得到的插值结果的插值结果如下:
可以看出插值以后的图像明显存在锯齿效应,很多地方出现了“方格”。
来源:https://zhuanlan.zhihu.com/p/89409337
![](/images/zang.png)
![](/images/jiucuo.png)
猜你喜欢
php函数serialize()与unserialize()用法实例
干掉一堆mysql数据库,仅需这样一个shell脚本(推荐)
![](https://img.aspxhome.com/file/2023/3/79143_0s.jpg)
Python中OpenCV图像特征和harris角点检测
![](https://img.aspxhome.com/file/2023/7/95907_0s.jpg)
python递归下载文件夹下所有文件
教你使用TensorFlow2识别验证码
![](https://img.aspxhome.com/file/2023/3/92443_0s.jpg)
Python用selenium实现自动登录和下单的项目实战
![](https://img.aspxhome.com/file/2023/9/110199_0s.png)
windows环境下mysql数据库的主从同步备份步骤(单向同步)
Python开发之基于模板匹配的信用卡数字识别功能
![](https://img.aspxhome.com/file/2023/3/120273_0s.png)
vue中keep-alive组件的入门使用教程
OpenCV图像变换之傅里叶变换的一些应用
![](https://img.aspxhome.com/file/2023/9/85359_0s.jpg)
微信小程序自定义导航教程(兼容各种手机)
![](https://img.aspxhome.com/file/2023/4/132564_0s.png)
Active Server Pages 错误 ASP 0201 修复方法
MYSQL中 char 和 varchar的区别
Python中six模块基础用法
asp连接access数据库表代码实例
sql server数据库最大Id冲突问题解决方法之一
NopCommerce架构分析之(六)自定义RazorViewEngine和WebViewPage
python中IO流和对象序列化详解
Python数据结构之链表详解
![](https://img.aspxhome.com/file/2023/6/80796_0s.png)
Bootstrap风格的WPF样式
![](https://img.aspxhome.com/file/2023/7/129557_0s.png)