imresize 双线性 MATLAB
imresize bilinear MATLAB
我尝试使用 MATLAB 调整图像大小,但直接了解有关双线性模式的 imresize 函数有些奇怪。
我会给你举个例子来确定问题出在哪里。
比如说,以下是一维矩阵。
A: [0 1 2]
B: [1 2 0 5]
据我所知,在一维数组中将 A 缩放到 [1,5] 的线性插值
A: [0, 0.5, 1, 1.5, 2]
但是,从 MATLAB,
imresize(A,[1,5],'bilinear')
显示
[0, 0.4, 1, 1.6, 2.0]
此外,
imresize(B,[1,5],'bilinear')
imresize(B,[1,10],'bilinear')
每个,显示
[1.0 1.7 1.0 1.5 2.0]
[1.0 1.1667 1.16111 1.8889 1.0000 0.1111 1.9444 4.1667 5.0000]
我从不同的论坛找到了很多问题和答案,none 就一般性而言,我感到满意。
然而,我从'imresize.m',
中的一行代码中找到了答案
u = x/scale + 0.5 * (1-1/scale)
其中u
确定输出矩阵的索引。从上面,我意识到 imresize with bilinear
是如何产生奇怪的输出的
但问题是,
我不明白 0.5 * (1-1/scale)
.
的意思
没有0.5 * (1-1/scale)
,u = x/scale
显示原算法可以输出
A: [0, 0.5, 1, 1.5, 2]
,这是真正的线性。
那么,为什么我们需要0.5 * (1-1/scale)
这个词呢?目的和意义是什么?
假设你的图片是A = [ 0 1 2];所以我们可以将图像像素的结构可视化为
_________ _________ _________
| | | |
| 0 | 1 | 2 |
|_________|_________|_________|
0 0.5 1 1.5 2 2.5 3
它的x坐标范围是0到3,像素值的位置假定在它的中心。
当我们想要将图像的大小调整为 5 像素时,我们应该找到应该从原始图像中提取值的位置。
为此,我们将 [0:5]
乘以 3/5
。
_____ _____ _____ _____ _____
| | | | | |
| | | | | |
|_____|_____|_____|_____|_____|
0 3/5 6/5 9/5 12/5 3
为了找到像素中心的位置,我们将 ([0:4] + .5)
乘以 3/5
((0:4) + .5) * 3/5
ans =
0.3 0.9 1.5 2.1 2.7
因此,例如要找到缩放图像中第二个像素的值,我们应该参考原始图像中的位置 0.9 并提取(插值)该像素的值为 0.4。
_____ _____ _____ _____ _____
| | | | | |
| | 0.4 | 1 | 1.6 | |
|_____|_____|_____|_____|_____|
0.3 0.9 1.5 2.1 2.7
第一个像素点和最后一个像素点(通常是那些位置超过[0.5-2.5]的像素点)的值分别设置为与原始图像的第一个和最后一个像素点相同。
_____ _____ _____ _____ _____
| | | | | |
| 0 | 0.4 | 1 | 1.6 | 2 |
|_____|_____|_____|_____|_____|
我尝试使用 MATLAB 调整图像大小,但直接了解有关双线性模式的 imresize 函数有些奇怪。
我会给你举个例子来确定问题出在哪里。 比如说,以下是一维矩阵。
A: [0 1 2]
B: [1 2 0 5]
据我所知,在一维数组中将 A 缩放到 [1,5] 的线性插值
A: [0, 0.5, 1, 1.5, 2]
但是,从 MATLAB,
imresize(A,[1,5],'bilinear')
显示
[0, 0.4, 1, 1.6, 2.0]
此外,
imresize(B,[1,5],'bilinear')
imresize(B,[1,10],'bilinear')
每个,显示
[1.0 1.7 1.0 1.5 2.0]
[1.0 1.1667 1.16111 1.8889 1.0000 0.1111 1.9444 4.1667 5.0000]
我从不同的论坛找到了很多问题和答案,none 就一般性而言,我感到满意。
然而,我从'imresize.m',
中的一行代码中找到了答案u = x/scale + 0.5 * (1-1/scale)
其中u
确定输出矩阵的索引。从上面,我意识到 imresize with bilinear
但问题是,
我不明白 0.5 * (1-1/scale)
.
没有0.5 * (1-1/scale)
,u = x/scale
显示原算法可以输出
A: [0, 0.5, 1, 1.5, 2]
,这是真正的线性。
那么,为什么我们需要0.5 * (1-1/scale)
这个词呢?目的和意义是什么?
假设你的图片是A = [ 0 1 2];所以我们可以将图像像素的结构可视化为
_________ _________ _________
| | | |
| 0 | 1 | 2 |
|_________|_________|_________|
0 0.5 1 1.5 2 2.5 3
它的x坐标范围是0到3,像素值的位置假定在它的中心。
当我们想要将图像的大小调整为 5 像素时,我们应该找到应该从原始图像中提取值的位置。
为此,我们将 [0:5]
乘以 3/5
。
_____ _____ _____ _____ _____
| | | | | |
| | | | | |
|_____|_____|_____|_____|_____|
0 3/5 6/5 9/5 12/5 3
为了找到像素中心的位置,我们将 ([0:4] + .5)
乘以 3/5
((0:4) + .5) * 3/5
ans =
0.3 0.9 1.5 2.1 2.7
因此,例如要找到缩放图像中第二个像素的值,我们应该参考原始图像中的位置 0.9 并提取(插值)该像素的值为 0.4。
_____ _____ _____ _____ _____
| | | | | |
| | 0.4 | 1 | 1.6 | |
|_____|_____|_____|_____|_____|
0.3 0.9 1.5 2.1 2.7
第一个像素点和最后一个像素点(通常是那些位置超过[0.5-2.5]的像素点)的值分别设置为与原始图像的第一个和最后一个像素点相同。
_____ _____ _____ _____ _____
| | | | | |
| 0 | 0.4 | 1 | 1.6 | 2 |
|_____|_____|_____|_____|_____|