新人學習opencv圖像處理的筆記，一：c++操作圖像放大

筆者最近開始接觸opencv，并且上學期學了一點數值計算，所以覺得計算機圖像挺有意思的，故而誕生了寫筆記的想法

好了，廢話不多說，由于筆者水平有有限，如有錯誤，敬請指正(！^ _ ^！)

一些入門基礎點

首先，在實踐操作前，我們得了解下，什么是計算機圖像，對通常的彩色圖像而言，計算機圖像就是一個個緊密排列的像素點組成，這些像素點呈現不同的顏色，共同組成了一個完整的畫面如下圖所示

值得注意的是，圖像在計算機內，是以矩陣的方式保存的，矩陣的行列代表圖像的長寬，其中每個元素代表一個像素點，而每一個元素的組成，則代表了該像素點的顏色（三通道RGB的矩陣分別有紅綠藍三個顏色的通道，每個通道上的數值又代表了該顏色的深淺。例如：（255，255，255）代表的是黑色，（0，0，0）代表的是白色）。

實現圖像放大需要面臨的問題

這個問題其實筆者大一就想過，但是當時覺得圖像既然是像素點保存的，那么就應該是一個離散的數據，當時了解的不多也就不了了之，直到上學期，筆者上了數值計算這門課，才有了思路

問題1：在我們眼中的圖像顏色是連續的，漸變的， 這個漸變可以用導數的思維來思考，正是因為導數的存在，使得圖像的局部色差不會太大，從而有漸變連續的視覺效果。但正如前面所說，計算機圖像是以離散的數據保存下來的，所以我們需要想一個辦法，來給離散的數據求導------插值擬合，通過給離散的數據點擬合一個連續的函數，從而可以求導，使得像素是連續的。

問題2：圖像放大后，新圖會比原圖多出很多像素點，我們該如何去定位和確定像素值？比如，上圖中，是4x4，而在放大兩倍后，會變成8x8的圖像，這么多的像素點，我們該如何去確定呢？

解決方法

1：怎么解決第一個問題，那就是插值擬合函數，幾種擬合方法，會在后文介紹。

2：怎么解決第二個問題，那我們就需要定義一個映射含函數。把新圖中的點和原途中的點，通過一個函數 : f(x) 聯系起來。然后通過擬合出的函數來確定像素值。

三種擬合辦法

雙線性插值法

雙線性插值的思想是分別在 x 和 y方向做一次插值，從而實現像素值的填充。這里筆者提供一種簡單的方法。
假設原圖矩陣 R行 C列，即 RXC，在放大 m 倍數后變成 Rm * Cm，即 r * c 。首先創建一個 r * c的矩陣，然后把原途中的像素均勻有間隔的平鋪在新途中，那我需要尋找的像素點就只有 r * c - R * C個了。

然后通過構造一次函數，來計算空白點的值。上圖中，從橫坐標方向上看，綠色點的值和紅色點的值可以通過 像素值Pixle 和 橫坐標x來構造一個一次函數。而兩點中間空白點的值，則通過這個一次函數來確定。
比如紅綠點，構造一次函數。以綠點為起點，有 P = （PR - PG)/(XR - XG) * (X - XG) + PG。公式的意思是，用已知的兩點確定一條直線，在直線中確定未知點的值（邊界點可以自己設置一個較合適的數值進行處理）。通過第一次循環遍歷后，我們處理了有顏色橫向像素如圖

接下來的工作就是處理縱向像素，操作方法同上

這是筆者的結果圖，很明顯，數值插值公式的選擇的問題，導致像素點間變化生硬，效果不行。

最鄰近插值法

先上效果圖

這個方法就比雙線性插值更粗暴，更簡單，但是筆者的效果圖比雙線性更好，這里是為什么，筆者也沒找到答案?？赡苁菍懙碾p線性的程序有點問題，這里先存疑。
這個方法的操作，把新圖上的點，重新映射到原圖上。通過公式計算

其中i，j是新圖中的坐標，XY是原圖中對應的整數坐標，R是小數部分。這里解釋一下，為什么會有小數和整數之分，因為放大的關系，新的像素點比原圖多，那么兩者之間的映射就不一定是一一對應的，新圖中的整數坐標點不一定對應原圖中整數坐標點，所以會有小數部分的存在。

如圖，紅圈點在原圖中對應的不是整數（正中心）, 而是有偏差R的。有了這個偏差就好辦了。用整數部分去對應原圖中的整數點，然后根據這個偏差，看這個還原在原圖中的映射靠哪個點近，就把這個鄰近點的值賦給新點。（注意，不要看上圖來理解，要根據R大小來確定，R>0.5，就取下一個點，否則取這個整數點。）

二次插值（存疑）

由于有雙線性插值，筆者就在想，會不會二次插值效果更好一點，結果并非如此。
筆者同樣采用多點構造的方法，只不過使用的擬合函數是用三個點確定的二次函數，用二次拉格朗日插值公式得到?？雌饋砗侠?#xff0c;但是得到效果圖慘不忍睹。


下面是效果圖，我寫報告時心血來潮的產物，結果不忍直視。

雙三插值法

這個插值法筆者也說不清楚是怎么回事，也是在老師提示下，查了這個方法
由于筆者水平有限所以只給了一個公式截圖，具體詳情請看下方超鏈接。

參考資料

總結和思考

筆者也是初次寫博客，如果有什么不對，還請多多指教。
筆者覺得，對于圖像的resize，主要是對于離散數據的操作，要通過一些比較好的插值方法還原函數，盡可能地在導數上做一些優化，使得局部像素變化平滑。對于那些突變地像素點，則可以使用梯度來算法來進行邊緣檢測（筆者用了一個很笨的方法實現了輪廓檢測，感覺自己好蠢，(* ^ _ ^ * )）。一個risize的好壞取決于函數的否平滑，而函數的平滑取決于導數和梯度，所以筆者在想，除開突變點，如果一個函數在滿足所有離散點的情況下，且變化平穩，那一定就是最好的辦法了。
總之，還是感謝大家看了我的博客。

總結

以上是生活随笔為你收集整理的新人学习opencv图像处理的笔记，一：c++操作图像放大的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。