圖像放大算法總結(jié)及MATLAB源程序(共8頁)

1、精選優(yōu)質(zhì)文檔-傾情為你奉上1，插值算法（3種）：（1）最鄰近插值（近鄰取樣法）：最鄰近插值的的思想很簡單，就是把這個(gè)非整數(shù)坐標(biāo)作一個(gè)四舍五入，取最近的整數(shù)點(diǎn)坐標(biāo)處的點(diǎn)的顏色?？梢姡钹徑逯岛唵吻抑庇^，速度也最快，但得到的圖像質(zhì)量不高。最鄰近插值法的MATLAB源代碼為：A = imread('F:lena.jpg');%讀取圖像信息imshow(A); %顯示原圖title('原圖128*128');Row = size(A,1); Col = size(A,2);%圖像行數(shù)和列數(shù)nn=8;%放大倍數(shù)m = round(nn*Row);%求出變換后的坐標(biāo)的最大

2、值n = round(nn*Col);B = zeros(m,n,3);%定義變換后的圖像for i = 1 : m for j = 1 : n x = round(i/nn); y = round(j/nn);%最小臨近法對(duì)圖像進(jìn)行插值 if x=0 x = 1; end if y=0 y = 1; end if x>Row x = Row; end if y>Col y = Col;end B(i,j,:) = A(x,y,:); endendB = uint8(B);%將矩陣轉(zhuǎn)換成8位無符號(hào)整數(shù)figure;imshow(B);title('最鄰近插值法放大8倍102

3、4*1024');運(yùn)行程序后，原圖如圖1所示：圖1用最鄰近插值法放大4倍后的圖如圖2所示：圖2（2）雙線性內(nèi)插值法：在雙線性內(nèi)插值法中，對(duì)于一個(gè)目的像素，設(shè)置坐標(biāo)通過反向變換得到的浮點(diǎn)坐標(biāo)為(i+u,j+v)，其中i、j均為非負(fù)整數(shù)，u、v為0,1)區(qū)間的浮點(diǎn)數(shù)，則這個(gè)像素得值 f(i+u,j+v) 可由原圖像中坐標(biāo)為 (i,j)、(i+1,j)、(i,j+1)、(i+1,j+1)所對(duì)應(yīng)的周圍四個(gè)像素的值決定，即：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f(i,j)表

4、示源圖像(i,j)處的的像素值，以此類推。這就是雙線性內(nèi)插值法。雙線性內(nèi)插值法計(jì)算量大，但縮放后圖像質(zhì)量高，不會(huì)出現(xiàn)像素值不連續(xù)的的情況。由于雙線性插值具有低通濾波器的性質(zhì)，使高頻分量受損，所以可能會(huì)使圖像輪廓在一定程度上變得模糊。在MATLAB中，可用其自帶的函數(shù)imresize( )來實(shí)現(xiàn)雙線性內(nèi)插值算法。雙線性內(nèi)插值算法的MATLAB源代碼為：A=imread('F:lena.jpg');imshow(A);title('原圖128*128'); C=imresize(A,8,'bilinear'); %雙線性插值figure;imshow

5、(C);title('雙線性內(nèi)插值法放大8倍1024*1024');程序運(yùn)行后，原圖如圖3所示：圖3雙線性內(nèi)插值法放大8倍后的圖如圖4所示：圖4（3）雙三次插值法：雙三次插值法能夠在很大程度上克服以上兩種算法的不足，該算法計(jì)算精度高，但計(jì)算量大，它考慮一個(gè)浮點(diǎn)坐標(biāo)(i+u,j+v)周圍的16個(gè)鄰點(diǎn)。目的像素值f(i+u,j+v)可由如下插值公式得到：f(i+u,j+v) = A * B * C其中A= S(u + 1)S(u + 0)S(u - 1)S(u - 2) ;C= S(v + 1)S(v + 0)S(v - 1)S(v - 2) T;而B是周圍16個(gè)鄰點(diǎn)組成的4*4的

6、矩陣；S(x)是對(duì) Sin(x*)/x 的逼近。在MATLAB中，可用其自帶的函數(shù)imresize( )來實(shí)現(xiàn)雙三次插值算法。MATLAB源代碼為：A=imread('F:lena.jpg'); %讀取原圖像D=imresize(A,8,'bicubic'); %雙三次插值放大8倍figure;imshow(D);title('三次卷積法放大8倍1024*1024');MATLAB自帶雙三次插值法運(yùn)行結(jié)果如圖5所示：圖5也可以自己編寫雙三次插值算法MATLAB代碼如下：clc,clear;ff=imread('F:lena.jpg'

7、;); %讀取圖像到ff k=8; %設(shè)置放大倍數(shù)m,n,color=size(ff); f=zeros(m,n); %將彩色圖像ff轉(zhuǎn)換為黑白圖像ffor i=1:m for j=1:n f(i,j)=ff(i,j); endenda=f(1,:);c=f(m,:); %將待插值圖像矩陣前后各擴(kuò)展兩行兩列,共擴(kuò)展四行四列b=f(1,1),f(1,1),f(:,1)',f(m,1),f(m,1);d=f(1,n),f(1,n),f(:,n)',f(m,n),f(m,n);a1=a;a;f;c;c;a1'b1=b;b;a1'd;d;f=b1'f1=doub

8、le(f); for i=1:k*m %利用雙三次插值公式對(duì)新圖象所有像素賦值 u=rem(i,k)/k; i1=floor(i/k)+2; A=sw(1+u) sw(u) sw(1-u) sw(2-u); for j=1:k*n v=rem(j,k)/k;j1=floor(j/k)+2; C=sw(1+v);sw(v);sw(1-v);sw(2-v); B=f1(i1-1,j1-1) f1(i1-1,j1) f1(i1-1,j1+1) f1(i1-1,j1+2) f1(i1,j1-1) f1(i1,j1) f1(i1,j1+1) f1(i1,j1+2) f1(i1,j1-1) f1(i1+1

9、,j1) f1(i1+1,j1+1) f1(i1+1,j1+2) f1(i1+2,j1-1) f1(i1+2,j1) f1(i1+2,j1+1) f1(i1+2,j1+2); g1(i,j)=(A*B*C); endendg=uint8(g1); %將矩陣轉(zhuǎn)換成8位無符號(hào)整數(shù)imshow(g);title('自編雙三次插值法放大8倍圖像');其中子函數(shù)sw代碼如下：function A=sw(w1)w=abs(w1);if w<1&&w>=0 A=1-2*w2+w3;elseif w>=1&&w<2 A=4-8*w+5*w

10、2-w3;else A=0;end與MATLAB自帶函數(shù)相比，以上手工編寫的MATLAB代碼只能完成黑白圖像輸出，且運(yùn)行時(shí)間遠(yuǎn)比MATLAB自帶函數(shù)的運(yùn)行時(shí)間長。手工編寫雙三次插值算法MATLAB代碼的運(yùn)行結(jié)果如圖6所示：圖62，其他算法簡介：傳統(tǒng)的圖像放大方法有重復(fù)放大線性放大和高次多項(xiàng)式插值放大。重復(fù)放大最簡單,但會(huì)產(chǎn)生明顯的方塊效應(yīng)線性放大消除了方塊效應(yīng),但會(huì)造成圖像的模糊 高次多項(xiàng)式插值放大效果較好,但運(yùn)算復(fù)雜。由于傳統(tǒng)方法的固有缺陷,誕生了新一代圖像放大方法,主要有小波放大、鄰域交換內(nèi)插和分形放大等。下面簡單介紹一下增強(qiáng)系數(shù)小波放大算法：算法示意圖如圖7所示：圖7通過二維離散小波變換,經(jīng)分析高通濾波器和分析低通濾波器,可將一幅分辨率為p的二維圖像分解為分辨率為p/2的離散逼近信號(hào)A1和水平、垂直、對(duì)角三個(gè)細(xì)節(jié)信號(hào)H1、V1、D1。這四個(gè)分量都只有原圖像大小的1/4。之后又可以對(duì)A1進(jìn)行同樣的分解如圖7所示。這個(gè)過程可以一直重復(fù)下去。通過二維離散小波反變換,用相應(yīng)的綜合高通濾波器和綜合低通濾波器可將各分量重構(gòu)為原圖像。對(duì)于一個(gè)圖像，低頻成分包含了基本特征，即原圖像的近似