基于弹性模型的图像缩放的插值方法探讨论文.doc

基于弹性模型的图像缩放的插值方法探讨 作者；汪涛 指导老师；盛敏 摘要 图像缩放是计算机图像处理领域里的一门重要科目，图像的缩放主要基于插值算法。本文先介绍了三种种经典的图像压缩的插值方法：最近邻插值、双线性插值和双三次插值算法，但经典中的插值算法常常使插值后的图像边缘部分出现模糊和锯齿现象，接着简述了一些当今流行的插值算法，它们都是传统算法的改进算法，最后重点介绍了一种基于弹性模型的图像缩放方法。 关键词 图像缩放 图像插值 最近邻插值 1 绪论 一般来说，数字图像缩放就是指图像分辨率的变换，包括由高分辨率图像转变为低分辨率图像和由低分辨率图像转变为高分辨图像。图像缩放是图像处理领域里非常常见额操作，属于图像的几何变换范畴。随着信息科技的发展，图像缩放技术的应用范围越来越广，包括计算机图像处理软件中的应用，互联网上的多媒体浏览，数字电视视频传输与显示领域，天文与气象观测范围，军事领域，医学图像应用领域及数码图片拍摄与处理领域。总之只要有视频多媒体的地方，有图像处理的地方，都会有数字图像缩放技术的身影。 图像缩放也被称作图像重采样、图像分辨率转换、尺度变换和几何变换。图像缩放时图像中经常会出现锯齿和模糊边缘的现象，研究结果表明人眼对图像的边缘部分特别敏感，缩放后图像边缘的视觉效果对一幅图像的质量有着十分重要的影响，所以针对性处理图像的平坦区域和非平坦区域，如何建立合适的模型用于图像缩放使得到的图像轮廓清晰、边界分明，且算法简单易于实现是目前图像研究的一个热点问题。 2 基本原理 在许多实际应用中,需要对图形或图像以某种方式进行放大或缩小。几何变换中的缩放处理可以改变图像或图像中部分区域的大小,但对图像进行缩放的目标是尽量减少变化后图像的空间畸变,插值方法可以帮助我们将这种畸变减少到最少程度。 插值(Interpolation)是在不生成像素的情况下增加图像像素大小的一种方法, 是在周围像素色彩的基础上用数学公式计算丢失像素的色彩, 即插值就是根据中心像素点的颜色参数模拟出周边像素值的方法。 缩放处理是从目标对象的角度来考虑的,也就是说,是目标图像中的每一个像素按照逆向映射方法,找到与之相对应的原图像中的哪一个(或哪些)像素。采用逆向映射保证了目标图像中每个像素都有一个确定的值。反之,如果不采用逆向映射,而是根据原始图像来推算目标图像,则所得到的目标图像中就有可能出现洞孔,同时其灰度值不确定。之所以会出现洞孔,是因为对图像进行缩放处理时,目标图像与原图像像素之间不再存在一对一的映射关系。 假设图像 轴方向的缩放比例为, 轴方向的缩放比例为,那么原图像中的一点对应到缩放后的图像中的点(x ,y)的变换矩阵为: 其逆变换矩阵为： 很显然 ,对图像进行缩放存在像素插值的问题。例如 ,当 Sx = Sy = 2 时 ,来进行图像放大 ,已被放大后图像中的点(0 ,0)对应原图像中的点(0 ,0) ,而点(0 ,1)则对应原图像中的点(0 ,0. 5) ,这个点在原图像中不存在 ,此时 ,就必须用到插值算法 ,且插值算法的好坏直接关系到图像的失真程度 ,插值函数的设计是插值算法的核心问题。 3 经典插值算法 3.1 最近邻插值: 3.1.1 最邻近插值又称为零阶插值, 在图像缩放时保留了所有的原图像的所有信息, 其输出的像素灰度值等于距离它映射到的位置最近的输入像素的灰度值。在这种算法中 ,每一个插值输出像素的值就是在输入图像中与其最临近的抽样点的值。数学表达式为: 3.1.2算法评价：对于二维图像，该法是“取待采样点周围4个相邻像素点中距离最近的1个邻点的灰度值作为该点的灰度值”。这个算法虽然简单，但由于仅用对该采样点影响最大的像素的灰度值作为该点的值，而没有考虑其他相邻像素的影响，因此，重采样后的图像灰度值有明显的不连续性，像质损失较大。 3.2双线性插值: 3.2.1双线性插值算法在图像缩放过程中, 目标图像中新创造的象素值, 是由原始图像对应位置附近的 2*2 区域内 4 个邻近象素通过加权平均计算得出的像素值。对于目标图像的一个坐标(x,y),通过向后映射法得到该坐标在原始图像中对应的浮点坐标,其中 、 为非负整数, 、 为[0,1]区间的浮点数,则该像素值可根据原始图像中所对应的周围四个坐标为、、、的像素值决定。具体公式为： 由于双曲线插值法的输出像素值是它在输入图像中22邻域抽样点的平均值 ,因此也可以将它看作是一种平滑操作。 3.2.2 算法评价：与最近邻算法相比，双线性插值法由于考虑了带采样点周围四个直接邻点对待采样点的影响，因此基本克服了前者灰度不连续的缺点，但其代价是计算量有所增大，但进一步看，由于此方法仅考虑四个直接邻点灰