图像降采样原理_降采样滤波

图像降采样原理_降采样滤波转自:http://www.lofter.com/postentry?from=search&permalink=1cb3111d_6ee95871、先说说这两个词的概念: 降采样

大家好,又见面了,我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。

Jetbrains全系列IDE使用 1年只要46元 售后保障 童叟无欺

转自:http://www.lofter.com/postentry?from=search&permalink=1cb3111d_6ee9587

1、先说说这两个词的概念: 

降采样,即是采样点数减少。对于一幅N*M的图像来说,如果降采样系数为k,则即是在原图中 
每行每列每隔k个点取一个点组成一幅图像。降采样很容易实现. 

升采样,也即插值。对于图像来说即是二维插值。如果升采样系数为k,即在原图n与n+1两点之间插入k-1个点,使其构成k分。二维插值即在每行插完之后对于每列也进行插值。 

插 值的方法分为很多种,一般主要从时域和频域两个角度考虑。对于时域插值,最为简单的是线性插值。除此之外,Hermite插值,样条插值等等均可以从有关 数值分析书中找到公式,直接代入运算即可。对于频域,根据傅里叶变换性质可知,在频域补零等价于时域插值。所以,可以通过在频域补零的多少实现插值运 算。 

2、实现 

其实在matlab中自带升采样函数(upsample)和降采样函数(downsample),读者可以查找matlab的帮助文件详细了解这两个函数。在这里,我重新写如下: 

%======================================================== 

%   Name: usample.m 

%   功能:升采样 

%   输入:采样图片 I, 升采样系数N 

%   输出:采样后的图片Idown 

%   author:gengjiwen    date:2015/5/10 

%======================================================== 

function Iup = usample(I,N) 

[row,col] = size(I); 

upcol = col*N; 

upcolnum = upcol – col; 

uprow = row*N; 

uprownum = uprow -row; 

If = fft(fft(I).’).’;     %fft2变换 

Ifrow = [If(:,1:col/2) zeros(row,upcolnum) If(:,col/2 +1:col)];   %水平方向中间插零 

                                                                                                   %补零之后,Ifrow为 row*upcol                                                                

Ifcol = [Ifrow(1:row/2,:);zeros(uprownum,upcol);Ifrow(row/2 +1:row,:)];   %垂直方向补零 

Iup = ifft2(Ifcol); 

end 

%======================================================== 

%   Name: dsample.m 

%   功能:降采样 

%   输入:采样图片 I, 降采样系数N 

%   输出:采样后的图片Idown 

%   author:gengjiwen    date:2015/5/10 

%======================================================== 

function Idown = dsample(I,N) 

[row,col] = size(I); 

drow = round(row/N); 

dcol = round(col/N); 

Idown = zeros(drow,dcol); 

p =1; 

q =1; 

for i = 1:N:row 

    for j = 1:N:col 

         Idown(p,q) = I(i,j); 

         q = q+1; 

    end 

    q =1; 

    p = p+1; 

end 

end 

% =========================================== 

% 测试升采样和降采样的程序 

%  author:gengjiwen , date:2015/05/10 

%  备注:测试完毕! 

%============================================ 

clear; 

close all; 

I = imread(‘test1.jpg’); 

I = rgb2gray(I); 

figure(1); 

imagesc(I); 

title(‘原图像’); 

% 图像降采样 

 figure; 

for ii = 2:2:8 

 Idown = dsample(I,ii); 

 subplot(2,2,ii/2); 

 imagesc(Idown); 

 str = [‘downsample at N = ‘ num2str(ii)]; 

 title(str); 

end 

% 图像升采样 

 figure; 

for ii = 2:2:8 

 Iup =usample(I,ii); 

 subplot(2,2,ii/2); 

 imagesc(abs(Iup)); 

 str = [‘upsample at N = ‘ num2str(ii)]; 

 title(str); 

end 

测试结果如下: 

图像降采样原理_降采样滤波

  

图像降采样原理_降采样滤波

  

图像降采样原理_降采样滤波

 3、结果分析 

降采样没什么可说的,其实在matlab中可以很方便的用冒号运算符实现,具体可以查看下matlab自带函数downsample的实现。 

对 于升采样,这里用了频域方法实现。将原图像进行二维傅里叶变换,之后在变换后的中间补零插值,再反变换回时域。根据傅里叶变换性质可知,此时的时域插值核 sinc函数的形式,对于二维,应是 二维sinc()函数。由于sinc函数的旁瓣比较大,故在升采样后的图像中会存在振铃现象。读者可以观察上面的实现结果图片。如果想减小这种情况,则可 以对其进行频域加窗。

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/167777.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

  • CPU 后缀

    CPU 后缀intelCPU后缀的意思如下:“K”代表该处理器是不锁倍频桌面级CPU;超频版“S”代表该处理器是功耗降至65W的低功耗版桌面级CPU;“T”代表该处理器是功耗降至45W的节能版桌面级CPU;“QM”代表该处理器是功耗为45W的四核移动CPU;”X”高性能CPU”F”无核显m,hq,mq,XM,Y,U都是移动端“M”代表该处理器是功耗低于35W的双核移动CPU“Y”超低压(一般平板电脑…

    2022年5月30日
    154
  • docker 2375

    docker 2375cd/usr/lib/systemd/system/vimdocker.service#在原本的ExecStart中添加tcp://0.0.0.0:2375[Service]Type=notify#thedefaultisnottousesystemdforcgroupsbecausethedelegateissuesstil…

    2022年6月11日
    26
  • php反射型xss,反射型XSS测试及修复

    php反射型xss,反射型XSS测试及修复反射型XSS一般出现的位置,如GET参数中测试搜索功能F12查看源码,查找出现1111的位置第一个位置在title处尝试闭合掉title标签,然后测试JS代码,成功弹窗查看源码,XSS执行第二处位置在搜索框,此处XSS无法执行,因为位于value属性内,需要将其闭合测试时注意闭合掉多余的双引号”接下来对XSS漏洞进行源码修复第一处XSS在title位置,输入的搜索参数ks直接echo输出,没有进行…

    2022年6月14日
    58
  • LaTeX中表格多行显示的最简单设置方法

    LaTeX中表格多行显示的最简单设置方法

    2021年12月14日
    48
  • 最简单的分类算法之一:KNN(原理解析+代码实现)[通俗易懂]

    最简单的分类算法之一:KNN(原理解析+代码实现)[通俗易懂]KNN(K-NearestNeighbor),即K最邻近算法,是数据挖掘分类技术中最简单的方法之一。简单来说,它是根据“邻近”这一特征来对样本进行分类。

    2022年5月15日
    43
  • phpstorm 2021.5.2 激活码【在线注册码/序列号/破解码】「建议收藏」

    phpstorm 2021.5.2 激活码【在线注册码/序列号/破解码】,https://javaforall.net/100143.html。详细ieda激活码不妨到全栈程序员必看教程网一起来了解一下吧!

    2022年3月17日
    45

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