精华内容
下载资源
问答
  • MATLAB双三次插值实现图像放大;MATLAB实现图像旋转(双三次插值);MATLAB图像写入字母。内附完整代码&图像&文档。
  • 双三次插值

    2008-04-20 08:56:47
    双三次插值,matlab实现源码
  • 图像旋转双三次插值的matlab实现 图像旋转双三次插值的matlab实现 图像旋转双三次插值的matlab实现 图像旋转双三次插值
  • 双三次插值原理及MATLAB源码实现》由会员分享,可在线阅读,更多相关《双三次插值原理及MATLAB源码实现(3页珍藏版)》请在人人文库网上搜索。1、双三次插值具体实现 ; (E:图片); = 2()转化为灰度图像 ();%将图像...

    《双三次插值原理及MATLAB源码实现》由会员分享,可在线阅读,更多相关《双三次插值原理及MATLAB源码实现(3页珍藏版)》请在人人文库网上搜索。

    1、双三次插值具体实现 ; (E:图片); = 2()转化为灰度图像 ();%将图像隔行隔列抽取元素,得到缩小的图像f 22; f = (); 1 1 f()(2*i,2*j); 5;%设置放大倍数 1 = (,)双线性插值结果比较 = 8(1); (1,:)(m,:);%将待插值图像矩阵前后各扩展两行两列,共扩展四行四列 f(1,1)(1,1)(:,1)(m,1)(m,1)f(1)(1)()()(); a1=; b1=1; 11(); g1 = (k*n); 1*m%利用双三次插值公式对新图象所有像素赋值 (); i1()+2; (1) (u) (1) (2); 1*n ()1()+2; (1)。

    2、(v)(1)(2); f1(i1-11-1) f1(i1-11) f1(i1-11+1) f1(i1-11+2) f1(i11-1)f1(i11)f1(i11+1)f1(i11+2) f1(i1+11-1)f1(i1+11) f1(i1+11+1) f1(i1+11+2) f1(i1+21-1) f1(i1+21) f1(i1+21+1) f1(i1+21+2); g1()=(A*B*C); 8(g1); (8(f); (缩小的图像);%显示缩小的图像 ()(原图);%显示原图像 (g)(双三次插值放大的图像);%显示插值后的图像 ()(双线性插值放大结果);%显示插值后的图像 0()(g);。

    3、 2(2();%计算原图像和插值图像的傅立叶幅度谱 g2(2(g); (1,2,1)(2),8,10)(原图像的傅立叶幅度谱); (1,2,2)(g2),8,10)(双三次插值图像的傅立叶幅度谱); 基函数代码: (w1) (w1); w=0 w=12 1-2*w23; 4-8*5*w23; 0; 算法原理算法原理 双三次插值又称立方卷积插值。 三次卷积插值是一种更加复杂的插值方式。 该算法利用 待采样点周围 16 个点的灰度值作三次插值,不仅考虑到 4 个直接相邻点的灰度影响, 而且考虑到各邻点间灰度值变化率的影响。 三次运算可以得到更接近高分辨率图像的放 大效果,但也导致了运算量的急剧增加。 这种算法需要选取插值基函数来拟合数据, 其 最常用的插值基函数如图1 所示,本次实验采用如图所示函数作为基函数。 图 1 双三次内插基函数 其数学表达式如下: 双三次插值公式如下: 其中, 、 、 均为矩阵,形式如下: 其中,表示源图像出像素点的灰度值。。

    展开全文
  • 双三次插值算法

    2015-04-03 14:26:33
    双三次插值算法,支持24位彩色图像和8位灰度图像
  • 图像缩放的代码,正文是双三次插值,用宏屏蔽掉的部分是双线性插值, 代码均来源于网络,我只是做了一些整理工作
  • 双三次插值,英文是Bicubic interpolation。双三次插值是一种更加复杂的插值方式,它能创造出比双线性插值更平滑的图像边缘。双三次插值方法通常运用在一部分图像处理软件、打印机驱动程序和数码相机中,对原图像或...

    双三次插值,英文是Bicubic interpolation。双三次插值是一种更加复杂的插值方式,它能创造出比双线性插值更平滑的图像边缘。双三次插值方法通常运用在一部分图像处理软件、打印机驱动程序和数码相机中,对原图像或原图像的某些区域进行放大。Adobe Photoshop CS 更为用户提供了两种不同的双三次插值方法:双三次插值平滑化和双三次插值锐化。

    在数值分析这个数学分支中,双三次插值(英语:Bicubic interpolation)是二维空间中最常用的插值方法。在这种方法中,函数f在点 (x,y) 的值可以通过矩形网格中最近的十六个采样点的加权平均得到,在这里需要使用两个多项式插值三次函数,每个方向使用一个。

    双三次插值又叫双立方插值,用于在图像中“插值”(Interpolating)或增加“像素”(Pixel)数量/密度的一种方法。通常利用插值技术增加图形数据,以便在它打印或其他形式输出的时候,能够增大打印面积以及(或者)分辨率。

    目前有不同的插值技术可供选用。双立方插值通常能产生效果最好,最精确的插补图形,但它速度也几乎是最慢的。“双线性插值”(Bilinear interpolation)的速度则要快一些,但没有前者精确。在商业性图像编辑软件中,经常采用的是速度最快,但也是最不准确的“最近相邻”(Nearest Neighbor)插值。其他一些插值技术通常只在高档或单独应用的程序中出现。

    通过双三次插值可以得到一个连续的插值函数,它的一阶偏导数连续,并且交叉导数处处连续。

    1366876069_6549.png

    如上图所示,我们在新生成的图像中,像素点是f(x,y),先映射到源图像中的坐标为f(i+u,j+v)需要找到对应的原图像中离最近的16个点。

    和前面介绍的双线性插值的分析方法类似(http://blog.chinaaet.com/justlxy/p/5100052604),我们可以分别对行和列进行依次处理。则有,

    image.png

    则有,

    image.png

    而s(*)表示的则是权值,有多种计算方法(模型),常用的有Bicubic、Mitchell和Lanczos等,这里简单介绍一下Bicubic函数:

    image.png

    该函数,波形如下图所示:

    image.png

    Lanczos函数为:

    image.png

    波形也是类似的:

    image.png

    主要参考文献:

    注:原文最早发表于本人的ChinaAET博客(http://blog.chinaaet.com/justlxy/

    展开全文
  • 双三次插值的MATLAB代码实现,图像输入支持RGB888,暂不支持其他输入,不过代码可塑性比较高
  • 图像双三次插值算法的研究.pdf
  • 双三次插值(BiCubic插值

    千次阅读 2018-11-26 11:13:02
    双三次插值(BiCubic插值双三次插值又称立方卷积插值。三卷积插值是一种更加复杂的插值方式。该算法利用待采样点周围16个点的灰度值作三次插值,不仅考虑到4 个直接相邻点的灰度影响,而且考虑到各邻点间灰度...

                         双三次插值(BiCubic插值 )

    双三次插值又称立方卷积插值。三次卷积插值是一种更加复杂的插值方式。该算法利用待采样点周围16个点的灰度值作三次插值,不仅考虑到4 个直接相邻点的灰度影响,而且考虑到各邻点间灰度值变化率的影响。三次运算可以得到更接近高分辨率图像的放大效果,但也导致了运算量的急剧增加。这种算法需要选取插值基函数来拟合数据,其最常用的插值基函数如图1所示,本次实验采用如图所示函数作为基函数。

    图像放大并进行BiCubic插值 Matlab/C++代码点击打开链接

     假设源图像A大小为m*n,缩放K倍后的目标图像B的大小为M*N,即K=M/m。A的每一个像素点是已知的,B是未知的,我们想要求出目标图像B中每一像素点(X,Y)的值,必须先找出像素(X,Y)在源图像A中对应的像素(x,y),再根据源图像A距离像素(x,y)最近的16个像素点作为计算目标图像B(X,Y)处像素值的参数,利用BiCubic基函数求出16个像素点的权重,图B像素(x,y)的值就等于16个像素点的加权叠加。

     

     根据比例关系x/X=m/M=1/K,我们可以得到B(X,Y)在A上的对应坐标为A(x,y)=A(X*(m/M),Y*(n/N))=A(X/K,Y/K)。如图所示P点就是目标图像B在(X,Y)处对应于源图像A中的位置,P的坐标位置会出现小数部分,所以我们假设 P的坐标为P(x+u,y+v),其中x,y分别表示整数部分,u,v分别表示小数部分(蓝点到a11方格中红点的距离)。那么我们就可以得到如图所示的最近16个像素的位置,在这里用a(i,j)(i,j=0,1,2,3)来表示,如上图。

     

     我们要做的就是求出BiCubic函数中的参数x,从而获得上面所说的16个像素所对应的权重W(x)。BiCubic基函数是一维的,而像素是二维的,所以我们将像素点的行与列分开计算。BiCubic函数中的参数x表示该像素点到P点的距离,例如a00距离P(x+u,y+v)的距离为(1+u,1+v),因此a00的横坐标权重i_0=W(1+u),纵坐标权重j_0=W(1+v),a00对B(X,Y)的贡献值为:(a00像素值)* i_0* j_0。因此,a0X的横坐标权重分别为W(1+u),W(u),W(1-u),W(2-u);ay0的纵坐标权重分别为W(1+v),W(v),W(1-v),W(2-v);B(X,Y)像素值为:

     

    上述可以用矩阵形式表示,下面图片来源:点击打开链接

    加权算法(a可以不取-0.5):

    Matlab代码:

    %双三次插值具体实现
    clc,clear;
    fff=imread('E:\Documents\BUPT\DIP\图片\lena.bmp'); 
    ff =rgb2gray(fff);%转化为灰度图像
    [mm,nn]=size(ff);               %将图像隔行隔列抽取元素,得到缩小的图像f
    m=mm/2;
    n=nn/2;
    f =zeros(m,n);
    for i=1:m
       for j=1:n
         f(i,j)=ff(2*i,2*j);
       end
    end
    
    k=5;                       %设置放大倍数
    bijiao1 =imresize(f,k,'bilinear');%双线性插值结果比较
    bijiao =uint8(bijiao1);
    
    a=f(1,:);
    c=f(m,:);             %将待插值图像矩阵前后各扩展两行两列,共扩展四行四列
    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];
    b1=[b;b;a1';d;d];
    ffff=b1';
    f1=double(ffff);
    g1 =zeros(k*m,k*n);
    fori=1:k*m                 %利用双三次插值公式对新图象所有像素赋值
       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+1,j1-1)   f1(i1+1,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);
       end
    end
    g=uint8(g1); 
    
    imshow(uint8(f));title('缩小的图像');             %显示缩小的图像
    figure,imshow(ff);title('原图');               %显示原图像
    figure,imshow(g);title('双三次插值放大的图像');     %显示插值后的图像
    figure,imshow(bijiao);title('双线性插值放大结果');     %显示插值后的图像 
    mse=0;
    ff=double(ff);
    g=double(g);            
    ff2=fftshift(fft2(ff));   %计算原图像和插值图像的傅立叶幅度谱                            
    g2=fftshift(fft2(g));
    figure,subplot(1,2,1),imshow(log(abs(ff2)),[8,10]);title('原图像的傅立叶幅度谱');
    subplot(1,2,2),imshow(log(abs(g2)),[8,10]);title('双三次插值图像的傅立叶幅度谱');
    
    基函数代码:
    functionA=sw(w1)
    w=abs(w1);
    ifw<1&&w>=0
       A=1-2*w^2+w^3;
    elseifw>=1&&w<2
       A=4-8*w+5*w^2-w^3;
    else
      A=0;
    end

    C++代码:

    
    #include "opencv2/imgproc/imgproc.hpp"
    #include "opencv2/highgui/highgui.hpp"
    #include <iostream>
    #include <cmath>
    #include <fstream>
    using namespace cv;
    using namespace std;
    #define PI 3.14159265
    float BiCubicPoly(float x);
    void MyScaleBiCubicInter(Mat& src, Mat& dst, float TransMat[3][3]);
    /**
     * @function main
     */
    int main( int argc, char** argv )
    {
      // load image
      char* imageName = "images/Lenna_256.png";
      Mat image;
      image = imread(imageName,1);
     
      if(!image.data)
      {
    	  cout << "No image data" << endl;
    	  return -1;
      }
      // show image
      namedWindow("image", CV_WINDOW_AUTOSIZE);
      imshow("image", image);  
      Mat dst;
      float transMat[3][3] = { {2.0, 0, 0}, {0, 2.0, 0}, {0, 0, 1} };
     
      MyScaleBiCubicInter(image, dst, transMat);
      namedWindow("out_image", CV_WINDOW_AUTOSIZE);
      imshow("out_image", dst);
      imwrite("Lenna_scale_biCubic2.jpg", dst);
      waitKey(0);
      return 0;
    }
    float BiCubicPoly(float x)
    {
    	float abs_x = abs(x);
    	float a = -0.5;
    	if( abs_x <= 1.0 )
    	{
    		return (a+2)*pow(abs_x,3) - (a+3)*pow(abs_x,2) + 1;
    	}
    	else if( abs_x < 2.0 )
    	{
    		return a*pow(abs_x,3) - 5*a*pow(abs_x,2) + 8*a*abs_x - 4*a;
    	}
    	else
    		return 0.0;
    }
     
    void MyScaleBiCubicInter(Mat& src, Mat& dst, float TransMat[3][3])
    {
    	CV_Assert(src.data);
    	CV_Assert(src.depth() != sizeof(uchar));
    	
    	// calculate margin point of dst image
    	float left =  0;
    	float right =  0;
    	float top =  0;
    	float down =  0;
     
    	float x = src.cols * 1.0f;
    	float y = 0.0f;
    	float u1 = x * TransMat[0][0] + y * TransMat[0][1];
    	float v1 = x * TransMat[1][0] + y * TransMat[1][1];
    	x = src.cols * 1.0f;
    	y = src.rows * 1.0f;
    	float u2 = x * TransMat[0][0] + y * TransMat[0][1];
    	float v2 = x * TransMat[1][0] + y * TransMat[1][1];
    	x = 0.0f;
    	y = src.rows * 1.0f;
    	float u3 = x * TransMat[0][0] + y * TransMat[0][1];
    	float v3 = x * TransMat[1][0] + y * TransMat[1][1];
     
    	left =  min( min( min(0.0f,u1), u2 ), u3);
    	right =  max( max( max(0.0f,u1), u2 ), u3);
    	top =  min( min( min(0.0f,v1), v2 ), v3);
    	down =  max( max( max(0.0f,v1), v2 ), v3);
     
    	// create dst image
    	dst.create(int(abs(right-left)), int(abs(down-top)), src.type());	
     
    	CV_Assert( dst.channels() == src.channels() );
    	int channels = dst.channels();
     
    	int i,j;
    	uchar* p;
    	uchar* q0;
    	uchar* q1;
    	uchar* q2;
    	uchar* q3;
    	for( i = 0; i < dst.rows; ++i)
    	{
    		p = dst.ptr<uchar>(i);
    		for ( j = 0; j < dst.cols; ++j)
    		{
    			// 
    			x = (j+left)/TransMat[0][0]  ; 
    			y = (i+top)/TransMat[1][1] ;
     
    			int x0 = int(x) - 1;
    			int y0 = int(y) - 1;
    			int x1 = int(x);
    			int y1 = int(y);
    			int x2 = int(x) + 1;
    			int y2 = int(y) + 1;
    			int x3 = int(x) + 2;
    			int y3 = int(y) + 2;
     
    			if( (x0 >= 0) && (x3 < src.cols) && (y0 >= 0) && (y3 < src.rows) ) 
    			{
    				q0 = src.ptr<uchar>(y0);
    				q1 = src.ptr<uchar>(y1);
    				q2 = src.ptr<uchar>(y2);
    				q3 = src.ptr<uchar>(y3);
    				
    				float dist_x0 = BiCubicPoly(x-x0);
    				float dist_x1 = BiCubicPoly(x-x1);
    				float dist_x2 = BiCubicPoly(x-x2);
    				float dist_x3 = BiCubicPoly(x-x3);
    				float dist_y0 = BiCubicPoly(y-y0);
    				float dist_y1 = BiCubicPoly(y-y1);
    				float dist_y2 = BiCubicPoly(y-y2);
    				float dist_y3 = BiCubicPoly(y-y3);
     
    				float dist_x0y0 = dist_x0 * dist_y0;
    				float dist_x0y1 = dist_x0 * dist_y1;
    				float dist_x0y2 = dist_x0 * dist_y2;
    				float dist_x0y3 = dist_x0 * dist_y3;
    				float dist_x1y0 = dist_x1 * dist_y0;
    				float dist_x1y1 = dist_x1 * dist_y1;
    				float dist_x1y2 = dist_x1 * dist_y2;
    				float dist_x1y3 = dist_x1 * dist_y3;
    				float dist_x2y0 = dist_x2 * dist_y0;
    				float dist_x2y1 = dist_x2 * dist_y1;
    				float dist_x2y2 = dist_x2 * dist_y2;
    				float dist_x2y3 = dist_x2 * dist_y3;
    				float dist_x3y0 = dist_x3 * dist_y0;
    				float dist_x3y1 = dist_x3 * dist_y1;
    				float dist_x3y2 = dist_x3 * dist_y2;
    				float dist_x3y3 = dist_x3 * dist_y3;
    				
    				switch(channels)
    				{
    					case 1:
    						{
    							break;
    						}
    					case 3:
    						{
    							p[3*j] =    (uchar)(q0[3*x0] * dist_x0y0 +
    												q1[3*x0] * dist_x0y1 +
    												q2[3*x0] * dist_x0y2 +
    												q3[3*x0] * dist_x0y3 +
    												q0[3*x1] * dist_x1y0 +
    												q1[3*x1] * dist_x1y1 +
    												q2[3*x1] * dist_x1y2 +
    												q3[3*x1] * dist_x1y3 +
    												q0[3*x2] * dist_x2y0 +
    												q1[3*x2] * dist_x2y1 +
    												q2[3*x2] * dist_x2y2 +
    												q3[3*x2] * dist_x2y3 +
    												q0[3*x3] * dist_x3y0 +
    												q1[3*x3] * dist_x3y1 +
    												q2[3*x3] * dist_x3y2 +
    												q3[3*x3] * dist_x3y3 ) ;
     
    							p[3*j+1] =  (uchar)(q0[3*x0+1] * dist_x0y0 +
    												q1[3*x0+1] * dist_x0y1 +
    												q2[3*x0+1] * dist_x0y2 +
    												q3[3*x0+1] * dist_x0y3 +
    												q0[3*x1+1] * dist_x1y0 +
    												q1[3*x1+1] * dist_x1y1 +
    												q2[3*x1+1] * dist_x1y2 +
    												q3[3*x1+1] * dist_x1y3 +
    												q0[3*x2+1] * dist_x2y0 +
    												q1[3*x2+1] * dist_x2y1 +
    												q2[3*x2+1] * dist_x2y2 +
    												q3[3*x2+1] * dist_x2y3 +
    												q0[3*x3+1] * dist_x3y0 +
    												q1[3*x3+1] * dist_x3y1 +
    												q2[3*x3+1] * dist_x3y2 +
    												q3[3*x3+1] * dist_x3y3 ) ;
     
    							p[3*j+2] =  (uchar)(q0[3*x0+2] * dist_x0y0 +
    												q1[3*x0+2] * dist_x0y1 +
    												q2[3*x0+2] * dist_x0y2 +
    												q3[3*x0+2] * dist_x0y3 +
    												q0[3*x1+2] * dist_x1y0 +
    												q1[3*x1+2] * dist_x1y1 +
    												q2[3*x1+2] * dist_x1y2 +
    												q3[3*x1+2] * dist_x1y3 +
    												q0[3*x2+2] * dist_x2y0 +
    												q1[3*x2+2] * dist_x2y1 +
    												q2[3*x2+2] * dist_x2y2 +
    												q3[3*x2+2] * dist_x2y3 +
    												q0[3*x3+2] * dist_x3y0 +
    												q1[3*x3+2] * dist_x3y1 +
    												q2[3*x3+2] * dist_x3y2 +
    												q3[3*x3+2] * dist_x3y3 ) ;
     
    							float thre = 198.0f;
    							if( (abs(p[3*j]-q1[3*x1]) > thre) || (abs(p[3*j+1]-q1[3*x1+1]) > thre) ||
    								(abs(p[3*j+2]-q1[3*x1+2]) > thre) )
    							{
    								p[3*j] = q1[3*x1];
    								p[3*j+1] = q1[3*x1+1];
    								p[3*j+2] = q1[3*x1+2];
    							}					
    							break;
    						}
    				}
    			}
    		}
    	}
    }

    【转载】https://blog.csdn.net/qq_34885184/article/details/79163991

                  https://blog.csdn.net/u010555688/article/details/24352343

    展开全文
  • 基于双三次插值的巡检机器人初始位姿优化.pdf
  • 实现对YUV视频序列的双三次插值,视频序列的插值完成之后,长和宽各增大一倍。自己编写,验证无误!
  • 双三次插值放大图像双三次插值代码公式 双三次插值 之前应老板要求看了几篇文献,总是看到插值法,什么最近邻插值啦,双线性插值啦,双三次插值啦balabala,示意图都画的像花儿一样= =还是我水平不够,也没找到代码...

    双三次插值放大图像

    双三次插值

    之前应老板要求看了几篇文献,总是看到插值法,什么最近邻插值啦,双线性插值啦,双三次插值啦balabala,示意图都画的像花儿一样= =还是我水平不够,也没找到代码。。总之,这篇来总结一下双三次插值实现~
    等过阵子找一下小波双三次和contourlet双三次(ง •_•)ง
    首先,指路插值法具体原理

    代码

    % 双三次插值法具体实现
    fff=imread('E:\matlabPic\test.bmp');
    ff=rgb2gray(fff);%转化为灰度图像
    [mm,nn]=size(ff);%将图像隔行隔列抽取元素,得到缩小的图像f
    m = fix(mm/2);n =fix(nn/2);
    
    f=zeros(m,n);
    for i=1:m
        for j=1:n
            f(i,j)=ff(2*i,j*2);
        end
    end
    k=5;%设置放大倍数
    bijiao1 = imresize(f,k,'bilinear');%双线性插值结果比较
    bijiao =uint8(bijiao1);
    a=f(1,:);c=f(m,:);
    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];
    b1=[b;b;a1';d;d];
    ffff=b1';f1=double(ffff);
    g1=zeros(k*m,k*n);
    for i=1:k*m %利用双三次插值公式对新图像所有像素赋值
        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+1,j1-1) f1(i1+1,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);
        end
    end
    g=uint8(g1);
    figure,imshow(uint8(f));title('缩小的图像');%显示缩小的图像
    figure,imshow(ff);title('原图');%显示原图像
    figure,subplot(2,2,1),imshow(g);title('双三次放大的图像');%显示插值后的图像
    subplot(2,2,2),imshow(bijiao);title('双线性插值放大结果');%显示插值后的图像
    mse=0;ff=double(ff);g=double(g);
    bijiao=double(bijiao);
    ff2=fftshift(fft2(ff)); %计算原图像和插值图像的傅里叶幅度谱
    g2=fftshift(fft2(g));
    bijiao2=fftshift(fft2(bijiao));
    figure,subplot(1,2,1),imshow(log(abs(ff2)),[8,10]);title('原图像的傅里叶幅度谱');
    subplot(1,2,2),imshow(log(abs(g2)),[8,10]);title('双三次插值的傅里叶幅度谱');
    figure,imshow(log(abs(bijiao2)),[8,10]);title('双线性插值的傅里叶幅度谱');
    
    

    当然还有个函数

    function A = sw(w1)
    %UNTITLED2 此处显示有关此函数的摘要
    %   此处显示详细说明
    w = abs(w1);
    if w<1&&w>=0
        A=1-2.5*w^2+1.5*w^3;
    elseif w>=1&&w<2
            A=2-4*w+2.5*w^2-0.5*w^3;
        else 
            A=0;
    end
    
    
    

    这个代码我调试过是可以运行的,但是就最后那些figure和subplot这些基础的显示图像的功能我就怎么也搞不明白了(lll¬ω¬)就想能把前四张图片放在一个窗口里显示咋就这么难呢。。。看了help也还是没有理解。。以后可能用的多了就明白了(随缘学习)

    公式

    这其中基本公式是这个
    在这里插入图片描述
    这里a的数值咧,代码里面我直接代入了a=-0.5,当然也可以是别的啦~

    结果
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    PS
    我也不晓得为啥子几个窗口大小不一样- -
    其实我想实现的目标是小图像,然后放大,这里代码多了一句缩小,所以放大的尺寸跟原图相比没太大区别,就酱。。。接着啃去了。。

    展开全文
  • js 双线性插值 双三次插值法 实现
  • 参考AForge.NET写的C#双三次插值算法。还有对比的EmguCV插值和GDI+插值示例代码,效率比EmguCV低很多,追求速度的就不需要下载了。
  • 基于DSPBuilder的双三次插值算法FPGA实现的研究.pdf
  • 基于Contourlet变换的遥感图像双三次插值算法,徐彤阳,方勇,针对遥感图像插值问题,为了尽可能保持原始遥感图像信息,提高图像空间分辨率,适合人眼观察,本文提出了Contourlet双三次插值算法��
  • 2 Matlab实现最近邻插值、双线性插值双三次插值3最近邻插值的原理简介4双线性插值的原理简介5双三次插值原理简介 1插值是什么?为啥要插值? 一句话来说就是插值用于图片缩放,为了解决图片缩放中可能出现小数坐标...
  • 双三次插值 - 插值图像任意位置亚像素C++ 一、概念 双三次插值又称立方卷积插值。三卷积插值是一种更加复杂的插值方式。该算法利用待采样点周围16个点的灰度值作三次插值,不仅考虑到4 个直接相邻点的灰度影响,...
  • 双三次插值的原理

    2021-02-28 20:22:35
    双三次插值的原理:可以看看这一篇论文:实现图像缩放功能的Matlab插值算法研究与比较,丁雪晶,湖北大学学报(自然科学版)。她讲得真好呀 P点的灰度值为:16个点的灰度值分别乘以相应的系数然后相加 以上截图...
  • 为了尽可能地保持CCD图像的原始信息,提高图像的空间分辨率,有利于对图像的细节信息...实验结果表明,该算法得到了比全小波双三次插值、原图像作为低频图像小波双三次插值和双线性插值更高的峰值信噪比及更好的图像细节
  • 双三次插值算法的OpenGL实现

    千次阅读 2016-01-12 17:59:54
    双三次插值算法的OpenGL实现说明最近写一个图像缩放的接口,考虑到自己有现成的OpenGL图像处理引擎,还是直接写shader用GPU实现方便。为了效果好一些,采用了双三次插值算法。 算法相关公式可参考这篇文章: ...
  • 图像插值-双三次插值(bicubic)

    千次阅读 2020-08-20 16:21:13
    双三次插值 本文将未做插值的原始图像称作源图像,源图像插值缩放K倍后的图像称作目标图像。 以下标识符的意义: 算法 如下图,双三次插值就是通过对周边16个点(A,B,C,…N,O,P)进行加权计算得到目标像素点的值,...
  • 双线性插值的效果对于放大的图像而言较领域插值来得平滑,但是却使得图像变得模糊而且仍然会有一部分锯齿现象。...双三次插值更好比双线性插值更好。   图像缩放之双三次插值法 数字图像处理之双线性插值 ...
  • 图像处理之双线性插值双三次插值(BiCubic插值) 看了一些博客,上面两篇不错
  • 作为图像放缩 (Scale) 的手段,常见的传统插值方法有:最近邻插值 (Nearest Neighbour Interpolation)、线性插值(Linear Interpolation)、双线性插值 (Bilinear Interpolation)、双三次插值 (Bicubic interpolation)...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 3,396
精华内容 1,358
关键字:

双三次插值