时域插值几种图像放大方法.docxVIP

PAGE \* MERGEFORMAT PAGE \* MERGEFORMAT 1 基于时域插值的几种图像放大方法 摘要：图像插值是图像比例缩放的常用方法。针对时域图像的放大问题，介绍了最邻近、双线性和双立方三种插值方法，并使用matlab对其进行实现、分析。结果表明双立方插值得到的图像质量最高，最邻近和双线性速度较快。 1 引言 在数字图像处理中，图像的几何变换作为图像处理的基础操作之一，为图像分析提供了灵活多变的预处理模式，简化了后级处理过程，图像的几何变换还为生成特殊样式的图形提供了可能。在图像的几何变换中，图像的比例缩放是最常用的模式。图像的比例缩放是指对数字图像大小按某确定比例进行调整的过程。 对于数字图像 则其缩放倍的图像 若，则I为x轴方向和y轴方向等比例缩放的图像；否则，图像内的像素位置会发生相对变化，产生图像几何畸变。在本文中，讨论等比例放大图像时的情况，即 由图像变换的思想，图像几何变换应当是源图像到目的图像矩阵的映射（前向映射）。前向映射时，由于系数k为有理数，矩阵坐标为自然数的情况，此目的矩阵映射为空；同时目的矩阵存在无灰度值相对应的情况。 因此，可引入逆映射法，首先生成一个对应大小的空目的矩阵，分别计算目的矩阵每个像素点对应于原矩阵的位置，对于落在源图像两像素之间的点，可用插值法为其映射一个灰度值，这个过程称为重采样。 重采样得出的灰度值由周围像素点的灰度和其权值特性决定，在此讨论三种常见的插值算法：最邻近（Nearest Neighbor）、双线性（Bilinear）和双立方（Bicubic）。 2 最邻近插值 最邻近插值是最简单的插值方式，它是将目的矩阵映射到源矩阵上，将其距离最近的像素点的值作为插值的值。 将目的矩阵的点映射到源矩阵上， 定义函数 图1 则目的矩阵的元素灰度值 在程序设计只需将转换到源矩阵的坐标四舍五入至整数 以4*4的像素矩阵RGB色域为例 将其放大30倍，并与Matlab库函数imresize()放大结果比较 (a) 源图像（示意） (a) 源图像（示意） 图2（b）放大50倍 图2 （b）放大50倍 （c）放大50倍（imresize函数） 最邻近插值方法简单，运算速度快，但其图像灰度变化处会出现明显的阶梯变化，出现“马赛克”的失真现象，整体还原情况不佳。 3 双线性插值 双线性插值算法中，新插入的像素值由其距离最近的2*2个像素及与它们的距离决定。距离和权值大小成线性关系，在x轴和y轴方向同时存在现象关系，因此称为双线性插值。 定义函数 为线性插值的权值函数 图3 在此，为加快计算速度，采用x和y轴方向长度的乘积作为衡量两像素点之间距离的参数。因此，令d为原像素点间距 则目的矩阵的灰度值为 同样以上述4*4颜色矩阵为例 （b） （b）放大50倍(imresize函数) （a （a）放大50倍 双线性插值本质上是对周围像素点求加权平均的过程，在频域上可看作低通滤波器，对图像有模糊的作用。在图像颜色梯度较大或图像边缘可观察到模糊的现象。 4 双立方插值法 双立方插值改进了双线性中图像模糊的问题，它参考了目的像素点映射到源图像矩阵周围4*4共16个像素的灰度值，运用的权值函数h(t)逼近来最佳插值函数。 定义函数 图5 对插值的对应源矩阵像素点p(x,y)，取其附近的4x4邻域点p(xi,yj), i,j = 1,2,3,4。按如下公式进行插值计算： 以上述4*4颜色矩阵为例 （a） （a）放大50倍 （b）放大50倍(imresize函数) 图6 双立方插值算法不仅考虑到插值临近像素的取值，还引入了周围的灰度值来锐化图像。得到的放大图像失真较小，而且还原了图像本身的细节。 5 实验结果 为了比较以上三种插值方法对于图像的处理性能，分别对同一灰度图放大相同的倍数（3倍）： (a)原图 (b)最邻近插值放大 (c)双线性插值放大 (d)双立方插值放大 图7 直观比较得到，最近邻放大的图像（b）具有很明显的“马赛克”锯齿现象，图像细节几乎无法体现，物体边缘明显存在畸变和失真。图（c）由双线性插值放大而来，整体还原较好，但细节高频部分被滤波器衰减，出现了模糊的现象。双立方插值得到的图像失真少，局部有较好的体现，效果较好。 统计三者相同放大倍率时的处理时间 图8 最邻近和双线性插值具有较小的时间复杂度，从而运行时间较短，而双立方由于需要计算更多的像素点以及更多浮点运算，消耗最多的时间，但可以得到最好的图像质量。 6 结论 最邻近插值本质上只用了一个最接近像素点的灰度信息，运算方法简单，速度快，但其图像灰度变化处会出现明显的阶梯变化，出现“马赛克”的失真现象，整体还原情况不佳；双线性插值上是对周围4个像素点求加权平均，整体失真