-----------------------------转载自jia20003的博客"
-----------------------------------
一：数学原理
如果已知一个函数f(x)以及它在x=0,x=1处的导数，那么函数可以在[0,1]之间插值，当函数
表达为三次多项式时我们称之谓立方插值。一个三次多项式及其导数：
f(x) =ax^3 +bx^2 + cx + d
f’(x)=3ax^2 + 2bx +c
多项式在x=0, x=1处值及其导数值为：
f(0)= d;
f(1)= a + b + c + d;
f’(0)=c
f’(1)=3a + 2b + c
上述的四个等式可以等价的变换为:
a= 2f(0) – 2f(1) + f’(0) + f’(1)
b= -3f(0) + 3f(1) – 2f’(0) – f’(1)
c= f’(0)
d= f’(1)
假设你有四个点值p0, p1, p2, p3分别在x=-1, x=0, x=1, x=2, 把值分别指定到f(0), f(1), f’(0),
f’(1)中为:
f(0)= p1
f(1)= p2
f’(0)= (p2 – p0)/2
f’(1)= (p3-p1)/2
这个我们的立方插值公式变成:
f(p0,p1,p2,p3, x) = (-1/2p0 + 3/2p1 -3/2p2+ 1/2p3)x^3 + (p0-5/2p1 + 2p2 -1/2d)x^2 + (-1/2p0 +
1/2p2)x + p1
双立方插值是立方插值在二维空间的表达, 插值公式可以表述为:
G(x, y) = f (f (p00, p01, p02, p03, y), f(p10,p11, p12, p13, y), f(p20, p21, p22, p23, y), f(p30, p31, p32, p33, y), x)
解出其中的16个参数，即可得带G(x, y)目标插值点的值。
二：双立方插值优缺点
双立方插值在图像放大过程可以保留更多的图像细节，放大以后的图像带有反锯齿的功能，
同时图像和源图像相比效果更加真实, 缺点是计算量比较大，是常见的三种图像放大算法中
计算量最大的一种，据说Photoshop的图像放大就是基本双立方插值的优化算法
三：程序运行效果如下：
四：关键代码解析
不想解释太多，最重要的是代入计算的是浮点数坐标的小数部分，即 x, y的取值范围均在[0,1]之间
五：基于Java的程序完全源代码
package cn.edu.jxau.luoweifu;
public class BiCubicInterpolationScale {
private static double a00, a01, a02, a03;
private static double a10, a11, a12, a13;
private static double a20, a21, a22, a23;
private static double a30, a31, a32, a33;
private static int srcWidth;
private static int srcHeight;
/**
* 双立方插值
* @param inPixelsData 像素矩阵数组
* @param srcW 原图像的宽
* @param srcH 原图像的高
* @param destW 目标图像的宽
* @param destH 目标图像的高
* @return 处理后的推三矩阵数组
*/
public static int[] imgScale(int[] inPixelsData, int srcW, int srcH, int destW, int destH) {
double[][][] input3DData = processOneToThreeDeminsion(inPixelsData, srcH, srcW);
int[][][] outputThreeDeminsionData = new int[destH][destW][4];
double[][] tempPixels = new double[4][4];
float rowRatio = ((float)srcH)/((float)destH);
float colRatio = ((float)srcW)/((float)destW);
srcWidth = srcW;
srcHeight = srcH;
for(int row=0; row<destH; row++) {
// convert to three dimension data
double srcRow = ((float)row)*rowRatio;
double j = Math.floor(srcRow);
double t = srcRow - j;
for(int col=0; col<destW; col++) {
double srcCol = ((float)col)*colRatio;
double k = Math.floor(srcCol);
double u = srcCol - k;
for(int i=0; i<4; i++) {
tempPixels[0][0] = getRGBValue(input3DData,j-1, k-1,i);
tempPixels[0][1] = getRGBValue(input3DData,j-1, k, i);
tempPixels[0][2] = getRGBValue(input3DData, j-1,k+1, i);
tempPixels[0][3] = getRGBValue(input3DData, j-1, k+2,i);
tempPixels[1][0] = getRGBValue(input3DData, j, k-1, i);
tempPixels[1][1] = getRGBValue(input3DData, j, k, i);
tempPixels[1][2] = getRGBValue(input3DData, j, k+1, i);
tempPixels[1][3] = getRGBValue(input3DData, j, k+2, i);
tempPixels[2][0] = getRGBValue(input3DData, j+1,k-1,i);
tempPixels[2][1] = getRGBValue(input3DData, j+1, k, i);
tempPixels[2][2] = getRGBValue(input3DData, j+1, k+1, i);
tempPixels[2][3] = getRGBValue(input3DData, j+1, k+2, i);
tempPixels[3][0] = getRGBValue(input3DData, j+2, k-1, i);
tempPixels[3][1] = getRGBValue(input3DData, j+2, k, i);
tempPixels[3][2] = getRGBValue(input3DData, j+2, k+1, i);
tempPixels[3][3] = getRGBValue(input3DData, j+2, k+2, i);
// update coefficients
updateCoefficients(tempPixels);
outputThreeDeminsionData[row][col][i] = getPixelValue(getValue(t, u));
}
}
}
return convertToOneDim(outputThreeDeminsionData, destW, destH);
}
private static double getRGBValue(double[][][] input3DData, double row, double col, int index) {
if(col >= srcWidth) {
col = srcWidth - 1;
}
if(col < 0) {
col = 0;
}
if(row >= srcHeight) {
row = srcHeight - 1;
}
if(row < 0) {
row = 0;
}
return input3DData[(int)row][(int)col][index];
}
private static int getPixelValue(double pixelValue) {
return pixelValue < 0 ? 0: pixelValue >255.0d ?255:(int)pixelValue;
}
private static void updateCoefficients (double[][] p) {
a00 = p[1][1];
a01 = -.5*p[1][0] + .5*p[1][2];
a02 = p[1][0] - 2.5*p[1][1] + 2*p[1][2] - .5*p[1][3];
a03 = -.5*p[1][0] + 1.5*p[1][1] - 1.5*p[1][2] + .5*p[1][3];
a10 = -.5*p[0][1] + .5*p[2][1];
a11 = .25*p[0][0] - .25*p[0][2] - .25*p[2][0] + .25*p[2][2];
a12 = -.5*p[0][0] + 1.25*p[0][1] - p[0][2] + .25*p[0][3] + .5*p[2][0] - 1.25*p[2][1] + p[2][2] - .25*p[2][3];
a13 = .25*p[0][0] - .75*p[0][1] + .75*p[0][2] - .25*p[0][3] - .25*p[2][0] + .75*p[2][1] - .75*p[2][2] + .25*p[2][3];
a20 = p[0][1] - 2.5*p[1][1] + 2*p[2][1] - .5*p[3][1];
a21 = -.5*p[0][0] + .5*p[0][2] + 1.25*p[1][0] - 1.25*p[1][2] - p[2][0] + p[2][2] + .25*p[3][0] - .25*p[3][2];
a22 = p[0][0] - 2.5*p[0][1] + 2*p[0][2] - .5*p[0][3] - 2.5*p[1][0] + 6.25*p[1][1] - 5*p[1][2] + 1.25*p[1][3] + 2*p[2][0] - 5*p[2][1] + 4*p[2][2] - p[2][3] - .5*p[3][0] + 1.25*p[3][1] - p[3][2] + .25*p[3][3];
a23 = -.5*p[0][0] + 1.5*p[0][1] - 1.5*p[0][2] + .5*p[0][3] + 1.25*p[1][0] - 3.75*p[1][1] + 3.75*p[1][2] - 1.25*p[1][3] - p[2][0] + 3*p[2][1] - 3*p[2][2] + p[2][3] + .25*p[3][0] - .75*p[3][1] + .75*p[3][2] - .25*p[3][3];
a30 = -.5*p[0][1] + 1.5*p[1][1] - 1.5*p[2][1] + .5*p[3][1];
a31 = .25*p[0][0] - .25*p[0][2] - .75*p[1][0] + .75*p[1][2] + .75*p[2][0] - .75*p[2][2] - .25*p[3][0] + .25*p[3][2];
a32 = -.5*p[0][0] + 1.25*p[0][1] - p[0][2] + .25*p[0][3] + 1.5*p[1][0] - 3.75*p[1][1] + 3*p[1][2] - .75*p[1][3] - 1.5*p[2][0] + 3.75*p[2][1] - 3*p[2][2] + .75*p[2][3] + .5*p[3][0] - 1.25*p[3][1] + p[3][2] - .25*p[3][3];
a33 = .25*p[0][0] - .75*p[0][1] + .75*p[0][2] - .25*p[0][3] - .75*p[1][0] + 2.25*p[1][1] - 2.25*p[1][2] + .75*p[1][3] + .75*p[2][0] - 2.25*p[2][1] + 2.25*p[2][2] - .75*p[2][3] - .25*p[3][0] + .75*p[3][1] - .75*p[3][2] + .25*p[3][3];
}
private static double getValue (double x, double y) {
double x2 = x * x;
double x3 = x2 * x;
double y2 = y * y;
double y3 = y2 * y;
return (a00 + a01 * y + a02 * y2 + a03 * y3) +
(a10 + a11 * y + a12 * y2 + a13 * y3) * x +
(a20 + a21 * y + a22 * y2 + a23 * y3) * x2 +
(a30 + a31 * y + a32 * y2 + a33 * y3) * x3;
}
/* <p> The purpose of this method is to convert the data in the 3D array of ints back into </p>
* <p> the 1d array of type int. </p>
*
*/
private static int[] convertToOneDim(int[][][] data, int imgCols, int imgRows) {
// Create the 1D array of type int to be populated with pixel data
int[] oneDPix = new int[imgCols * imgRows * 4];
// Move the data into the 1D array. Note the
// use of the bitwise OR operator and the
// bitwise left-shift operators to put the
// four 8-bit bytes into each int.
for (int row = 0, cnt = 0; row < imgRows; row++) {
for (int col = 0; col < imgCols; col++) {
oneDPix[cnt] = ((data[row][col][0] << 24) & 0xFF000000)
| ((data[row][col][1] << 16) & 0x00FF0000)
| ((data[row][col][2] << 8) & 0x0000FF00)
| ((data[row][col][3]) & 0x000000FF);
cnt++;
}// end for loop on col
}// end for loop on row
return oneDPix;
}// end convertToOneDim
private static double [][][] processOneToThreeDeminsion(int[] oneDPix2, int imgRows, int imgCols) {
double[][][] tempData = new double[imgRows][imgCols][4];
for(int row=0; row<imgRows; row++) {
// per row processing
int[] aRow = new int[imgCols];
for (int col = 0; col < imgCols; col++) {
int element = row * imgCols + col;
aRow[col] = oneDPix2[element];
}
// convert to three dimension data
for(int col=0; col<imgCols; col++) {
tempData[row][col][0] = (aRow[col] >> 24) & 0xFF; // alpha
tempData[row][col][1] = (aRow[col] >> 16) & 0xFF; // red
tempData[row][col][2] = (aRow[col] >> 8) & 0xFF; // green
tempData[row][col][3] = (aRow[col]) & 0xFF; // blue
}
}
return tempData;
}
/*public static void main(String args[]) {
}*/
}
分享到：
相关推荐
而放大则需要通过插值算法生成新的像素值，以保持图像的视觉质量。 在Visual C++中，我们可以使用MFC库的CImage类来处理图像。CImage类提供了一系列的成员函数，如Load、Save、Draw等，用于读取、保存和显示图像。...
bicubic文件可能是另一种插值算法——三次立方插值的实现，虽然不是双线性，但与之相提并论，用于对比两种插值方法在图像重采样中的性能。 双线性插值的具体步骤如下： 1. 定位：首先，确定需要插值的新像素位置，...
图像放大需要增加像素点，这需要引入插值算法来估计新增像素的值。常见的插值方法有最近邻插值、双线性插值和三次立方插值。其中，最近邻插值简单但可能会导致阶梯效应；双线性插值平滑效果较好，适用于大多数情况；...
由于与数字图像相关的数据量巨大，因此高效的插值算法至关重要。立方卷积插值是为满足这一需求而开发的一种算法。 立方卷积插值是一种介于线性插值和三次样条插值之间准确度的方法。该方法的关键在于它能够随着采样...
在计算机图形学和图像处理领域，bicubic插值是一种高级的像素级重采样技术，常用于图像放大或缩小。标题中的“bicubic_图像处理bicubic_图像变换_图像”揭示了我们要探讨的主题——bicubic算法在图像处理中的应用，...
调整大小通常采用的是插值算法，如最近邻插值、双线性插值或更高级的立方插值，以保证图片放大或缩小后的清晰度。旋转功能则涉及到图像坐标变换，通过计算像素的新位置来实现角度旋转。图像修复，尤其是去除划痕或...