数字图像处理双线性插值
Digital image processing bilinear interpolation
如果在数字图像处理中，我使用双线性插值进行图像缩放，如果缩放因子是 1.5x，那么我如何在物理矩阵结构中表示第 1.5 列？
这是插值工作原理的简要说明：
假设您要从尺寸为 NxN 的图像转换为尺寸为 MxM 的图像。
第 1 步：创建大小为 MxN 的中间图像。 2nd 维度现在保持不变。我们仅沿第一个维度进行插值。
所以对于每一行图像，输入是N个值，我们生成M个值。假设输入值的坐标是 0, 1, 2, 3, ... N-1。输出值的坐标将为 0、N/M、2*N/M、... N-1。这给你分数坐标。
对于每个输出值，对输入值进行插值。例如，第 4 个输出值为 3*N/M。在位置 floor(3*N/M) 和 ceil(3*N/M) 处挑选输入值，并计算线性插值。
第 2 步：创建大小为 M*M 的输出图像，并沿 2 维对每条线重复上述过程，再次从 N 个样本增长到 M 个样本。
如果一维插值是一个单独的函数，这个过程真的很容易实现。很多人会将双线性插值直接实现为二维操作，为每个输出值计算二维坐标。但是将其作为可分离的转换来实施有很多好处。例如，它可以很容易地将插值方法更改为三次、Lanczos 甚至 b 样条，因为它们都是一维的。也很容易将过程从 2D 图像扩展到 3D 图像。
如果在数字图像处理中，我使用双线性插值进行图像缩放，如果缩放因子是 1.5x，那么我如何在物理矩阵结构中表示第 1.5 列？
这是插值工作原理的简要说明：
假设您要从尺寸为 NxN 的图像转换为尺寸为 MxM 的图像。
第 1 步：创建大小为 MxN 的中间图像。 2nd 维度现在保持不变。我们仅沿第一个维度进行插值。
所以对于每一行图像，输入是N个值，我们生成M个值。假设输入值的坐标是 0, 1, 2, 3, ... N-1。输出值的坐标将为 0、N/M、2*N/M、... N-1。这给你分数坐标。
对于每个输出值，对输入值进行插值。例如，第 4 个输出值为 3*N/M。在位置 floor(3*N/M) 和 ceil(3*N/M) 处挑选输入值，并计算线性插值。
第 2 步：创建大小为 M*M 的输出图像，并沿 2 维对每条线重复上述过程，再次从 N 个样本增长到 M 个样本。
如果一维插值是一个单独的函数，这个过程真的很容易实现。很多人会将双线性插值直接实现为二维操作，为每个输出值计算二维坐标。但是将其作为可分离的转换来实施有很多好处。例如，它可以很容易地将插值方法更改为三次、Lanczos 甚至 b 样条，因为它们都是一维的。也很容易将过程从 2D 图像扩展到 3D 图像。