Datawhale 计算机视觉基础-图像处理(上)-Task01 OpenCV框架与图像插值算法

1.1 简介

java opencv求图像均值_java opencv求图像均值中,灰度值仅在整数位置上有定义。然而,输出图象[x,y]的灰度值一般由处在非整数坐标上的java opencv求图像均值_java opencv求图像均值_02值来决定。这就需要插值算法来进行处理,常见的插值算法有最近邻插值、双线性插值和三次样条插值。

1.2 学习目标

  • 了解插值算法与常见几何变换之间的关系
  • 理解插值算法的原理
  • 掌握OpenCV框架下插值算法API的使用

1.2.1 最近邻插值算法原理

  最近邻插值,是指将目标图像中的点,对应到源图像中后,找到最相邻的整数点,作为插值后的输出。




java opencv求图像均值_java opencv求图像均值_03


java opencv求图像均值_图像处理_04.

一个例子:

java opencv求图像均值_双线性插值_05表示目标图像,java opencv求图像均值_图像处理_06表示原图像,我们有如下公式:

java opencv求图像均值_插值_07

java opencv求图像均值_java opencv求图像均值_08



java opencv求图像均值_java opencv求图像均值_09


缺点:
用该方法作放大处理时,在图象中可能出现明显的块状效应



java opencv求图像均值_双线性插值_10


1.2.2 双线性插值

  在讲双线性插值之前先看以一下线性插值,线性插值多项式为:

java opencv求图像均值_图像处理_11



java opencv求图像均值_插值_12


java opencv求图像均值_图像处理_13

  双线性插值就是线性插值在二维时的推广,在两个方向上做三次线性插值,具体操作如下图所示:



java opencv求图像均值_插值_14


java opencv求图像均值_插值_15为两个变量的函数,其在单位正方形顶点的值已知。假设我们希望通过插值得到正方形内任意点的函数值。则可由双线性方程:
java opencv求图像均值_java opencv求图像均值_16

  来定义的一个双曲抛物面与四个已知点拟合。

  首先对上端的两个顶点进行线性插值得:

java opencv求图像均值_双线性插值_17

  类似地,再对底端的两个顶点进行线性插值有:
java opencv求图像均值_双线性插值_18

  最后,做垂直方向的线性插值,以确定:

java opencv求图像均值_图像处理_19

  整理得:

java opencv求图像均值_图像处理_20

1.4.3 映射方法

向前映射法

  可以将几何运算想象成一次一个象素地转移到输出图象中。如果一个输入象素被映射到四个输出象素之间的位置,则其灰度值就按插值算法在4个输出象素之间进行分配,输出图像的像素由其周围映射过来的原图像像素按权重分配叠加。称为向前映射法,或象素移交映射。

注:从原图象坐标计算出目标图象坐标镜像、平移变换使用这种计算方法。该方法的输出图像不可以直接得到,需要遍历每个原像素点。

java opencv求图像均值_java opencv求图像均值_21


双线性插值公式

java opencv求图像均值_双线性插值_22

向后映射法

  向后映射法(或象素填充算法)是输出象素一次一个地映射回到输入象素中,以便确定其灰度级。如果一个输出象素被映射到4个输入象素之间,则其灰度值插值决定,向后空间变换是向前变换的逆。

注:从结果图象的坐标计算原图象的坐标

  • 旋转、拉伸、放缩可以使用
  • 解决了漏点的问题,出现了马赛克

1.5 基于OpenCV的实现

1.5.1 C++

函数原型:

void cv::resize(InputArray src, OutputArray dst, Size dsize, double fx=0, double fy=0, int interpolation=INTER_LINEAR )

src:输入图像
dst:输出图像
dsize:输出图像尺寸
fx、fy:x,y方向上的缩放因子
INTER_LINEAR:插值方法,总共五种
    1. INTER_NEAREST - 最近邻插值法
    2. INTER_LINEAR - 双线性插值法(默认)
    3. INTER_AREA - 基于局部像素的重采样(resampling using pixel area relation)。对于图像抽取(image decimation)来说,这可能是一个更好的方法。但如果是放大图像时,它和最近邻法的效果类似。
    4. INTER_CUBIC - 基于4x4像素邻域的3次插值法
    5. INTER_LANCZOS4 - 基于8x8像素邻域的Lanczos插值

代码实践:

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;

int main(int argc, char* argv[])
{
	Mat img = imread("D:/image/yuner.jpg");
	if (img.empty())
	{
		cout << "无法读取图像" << endl;
		return 0;
	}

	int height = img.rows;
	int width = img.cols;
	// 缩小图像,比例为(0.2, 0.2)
	Size dsize = Size(round(0.2 * width), round(0.2 * height));
	Mat shrink;
    //使用双线性插值
	resize(img, shrink, dsize, 0, 0, INTER_LINEAR);

	// 在缩小图像的基础上,放大图像,比例为(1.5, 1.5)
	float fx = 1.5;
	float fy = 1.5;
	Mat enlarge1, enlarge2;
	resize(shrink, enlarge1, Size(), fx, fy, INTER_NEAREST);
	resize(shrink, enlarge2, Size(), fx, fy, INTER_LINEAR);

	// 显示
	imshow("src", img);
	imshow("shrink", shrink);
	imshow("INTER_NEAREST", enlarge1);
	imshow("INTER_LINEAR", enlarge2);
	waitKey(0);
    return 0;
}

原图



java opencv求图像均值_图像处理_23


0.2倍缩小,双线性插值



java opencv求图像均值_图像处理_24


1.5倍放大,最近邻插值



java opencv求图像均值_java opencv求图像均值_25


1.5倍放大,双线性插值



java opencv求图像均值_java opencv求图像均值_26


1.5.2 Python

函数原型:

cv2.resize(src, dsize[, dst[, fx[, fy[, interpolation]]]])

参数:

参数

描述

src

【必需】原图像

dsize

【必需】输出图像所需大小

fx

【可选】沿水平轴的比例因子

fy

【可选】沿垂直轴的比例因子

interpolation

【可选】插值方式

插值方式:

cv.INTER_NEAREST

最近邻插值

cv.INTER_LINEAR

双线性插值

cv.INTER_CUBIC

基于4x4像素邻域的3次插值法

cv.INTER_AREA

基于局部像素的重采样

通常,缩小使用cv.INTER_AREA,放缩使用cv.INTER_CUBIC(较慢)和cv.INTER_LINEAR(较快效果也不错)。默认情况下,所有的放缩都使用cv.INTER_LINEAR。

代码实践:

import cv2 as cv

src = cv.imread("1.jpg")
h,w,_ = src.shape
dim = (int(1.5*w),int(1.5*h))
img = cv.resize(src,dim,cv.INTER_LINEAR)
cv.imwrite("1.1.jpg",img)
img = cv.resize(src,dim,cv.INTER_NEAREST)
cv.imwrite("1.2.jpg",img)
img = cv.resize(src,dim,cv.INTER_CUBIC)
cv.imwrite("1.3.jpg",img)
# cv.waitKey(0)
# cv.destroyAllWindows()

1.5倍放大,最近邻插值

java opencv求图像均值_java opencv求图像均值_27


1.5倍放大,双线性插值

java opencv求图像均值_图像处理_28


1.5倍放大,基于4x4像素邻域的3次插值法

java opencv求图像均值_插值_29

  • 推荐书籍:学习OpenCV中文版
  • 推荐博客:

1.6 总结

  插值算法是很多几何变换的基础和前置条件,对插值算法细节的掌握有助于对其他算法的理解,为自己的学习打下坚实的基础。


Task01 OpenCV框架与图像插值算法 END.

By: Aaron