双线性插值算法推导及代码实现

双线性插值算法推导及代码实现双线性插值,是一种比较重要的插值方法,尤其在数字图像处理领域。本篇博文分为三个部分:一是双线性插值的算法推导,二是双线性插值的算法实现,三是算法的运行结果。

大家好,又见面了,我是你们的朋友全栈君。

       双线性插值,是一种比较重要的插值方法,尤其在数字图像处理领域。本篇博文分为三个部分:一是双线性插值的算法推导,二是双线性插值的算法实现,三是算法的运行结果。

一 双线性插值的算法推导

双线性插值算法推导及代码实现


二 代码实现(matlab)

function [out] = bilinearInterpolation(im, out_dims)

    in_rows = size(im,1);
    in_cols = size(im,2);
    out_rows = out_dims(1);
    out_cols = out_dims(2);

    S_R = in_rows / out_rows;
    S_C = in_cols / out_cols;

    [cf, rf] = meshgrid(1 : out_cols, 1 : out_rows);

    rf = rf * S_R;
    cf = cf * S_C;
    r = floor(rf);
    c = floor(cf);

    r(r < 1) = 1;
    c(c < 1) = 1;
    r(r > in_rows - 1) = in_rows - 1;
    c(c > in_cols - 1) = in_cols - 1;

    delta_R = rf - r;
    delta_C = cf - c;

    in1_ind = sub2ind([in_rows, in_cols], r, c);
    in2_ind = sub2ind([in_rows, in_cols], r+1,c);
    in3_ind = sub2ind([in_rows, in_cols], r, c+1);
    in4_ind = sub2ind([in_rows, in_cols], r+1, c+1);       

    out = zeros(out_rows, out_cols, size(im, 3));
    out = cast(out, class(im)); 

    for idx = 1 : size(im, 3)
        chan = double(im(:,:,idx)); %// Get i'th channel
        %// Interpolate the channel
        tmp = chan(in1_ind).*(1 - delta_R).*(1 - delta_C) + ...
                       chan(in2_ind).*(delta_R).*(1 - delta_C) + ...
                       chan(in3_ind).*(1 - delta_R).*(delta_C) + ...
                       chan(in4_ind).*(delta_R).*(delta_C);
        out(:,:,idx) = cast(tmp, class(im));
    end

三 双线性插值运行结果

>>I = imread(‘lena.jpg’);
>> figure,imshow(I)
>> S = bilinearInterpolation(I,[1000,1000]);
>> figure,imshow(S)

双线性插值算法推导及代码实现

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请联系我们举报,一经查实,本站将立刻删除。

发布者:全栈程序员-站长,转载请注明出处:https://javaforall.net/133667.html原文链接:https://javaforall.net

(0)
全栈程序员-站长的头像全栈程序员-站长


相关推荐

  • 语义分割模型精度排名_场景语义分割

    语义分割模型精度排名_场景语义分割憨批的语义分割1——基于Mobile模型的segnet讲解学习前言什么是Segnet模型segnet模型的代码实现1、主干模型Mobilenet。2、segnet的Decoder解码部分代码测试学习前言最近开始设计新的领域啦,语义分割也是图像处理一个非常重要的应用方向,我查了很多资料苦于如何入门,接下来给大家讲讲里面比较基础的segnet模型。在下一个BLOG我会跟大家讲怎么训练自己的segn…

    2022年8月21日
    31
  • AdminLTE 框架应用(一 )- 插件介绍

    AdminLTE 框架应用(一 )- 插件介绍

    2021年11月5日
    133
  • C#操作 word代码

    推荐:http://www.cnblogs.com/roucheng/p/3521864.html

    2021年12月26日
    49
  • js:如何获取select选中的值

    js:如何获取select选中的值我想获取select选中的value,或者text,或者……比如这个:<selectid=”select”><optionvalue=”A”url=”http://www.baidu.com”>第一个option</option><optionvalue=”B”url=”http://www.qq.com”>第二个option</option></select>一:JavaScript原生的…

    2025年8月10日
    2
  • LR模型详解_GARCH模型

    LR模型详解_GARCH模型1、逻辑回归逻辑回归假设数据服从伯努利分布,通过极大化似然函数方法,运用梯度下降来求解参数,来达到将数据二分目的。2、算法推导对数几率函数:是一种Sigmoid函数,通过此函数来输出类别概率。对数几率函数为:,其中y代表的是样本视为正样本的可能性,则1-y为视为负样本的可能性。对数几率:定义为,其中y/(1-y)称为比率。决策边界:作用在n维空间,将不同样本分开的平面或曲面,在逻辑回归中,决策边界对应$wx+b=0。3、逻辑参数估计3.1、使用极大似…

    2022年10月13日
    4
  • mybatisCodeHelperPro安装详解(ideal2021版本)「建议收藏」

    mybatisCodeHelperPro安装详解(ideal2021版本)「建议收藏」文章目录一、资源下载二、卸载旧版本插件三、将下载下来的mybatisCodeHelperPro放入到ideal安装路径内的plugins中四、启动ideal激活插件4.1打开记录界面4.2激活插件一、资源下载二、卸载旧版本插件三、将下载下来的mybatisCodeHelperPro放入到ideal安装路径内的plugins中四、启动ideal激活插件4.1打开记录界面Tools—MybatisCodeHelper—Activation4.2激活插件五、验证功能…

    2022年9月21日
    2

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

关注全栈程序员社区公众号