基于Python实现二维图像双线性插值

 更新时间:2022年06月11日 14:36:11   作者:为为为什么  
双线性插值,又称为双线性内插。在数学上,双线性插值是有两个变量的插值函数的线性插值扩展,其核心思想是在两个方向分别进行一次线性插值。本文将用Python实现二维图像双线性插值,感兴趣的可以了解下

在对二维数据进行 resize / mapping / 坐标转换等操作时,经常会将原本的整数坐标变换为小数坐标,对于非整数的坐标值一种直观有效的插值方式为双线性插值。

插值简介

双线性插值,又称为双线性内插。在数学上,双线性插值是有两个变量的插值函数的线性插值扩展,其核心思想是在两个方向分别进行一次线性插值。

双线性插值作为数值分析中的一种插值算法,广泛应用在信号处理,数字图像和视频处理等方面。

假设我们出现了需要在四个相邻正方形整数点(A,B,C,D)坐标中间(正方形范围内)选择一个点(a,b)取近似值的情形。

此时我们已知的是四个点的数值VA​,VB​,VC​,VD​,给定小数坐标E(a,b),0≤a,b≤1,如何插值求解E点的数值呢,解决类似问题的方法统称为插值,上图展示公式为双线性插值的计算方法。

最近邻法 (Nearest Interpolation)

一种最简便的方法为最近邻法,直接取与当前点距离最近的点的值作为插值结果:

其中 roundroundround 为四舍五入的取整操作,方法简便速度极快,但往往不够精细

双三次插值 (Bicubic interpolation)

双三次插值是用原图像中16(4*4)个点计算新图像中1个点,效果比较好,但是计算代价过大。

双线性插值 (Bilinear Interpolation)

使用一个点进行插值过于粗暴,16个点又过于繁琐,那就使用EEE​点周围4个点的数值来近似求解,这是一种平衡了计算代价和插值效果的折中方案,也是各大变换库的默认插值操作。

双线性插值

通过观察上述动图(可以动手挪一挪)可以清晰地看到,双线性插值本质就是把四个角落的数值按照正方形面积的比例线性加权后的结果。

好吧一句话已经把数学的核心部分讲完了

那么既然理解了本质,数学公式就好写了:

python实现

在实现时当然 for 循环大法可以解决一切问题,但总归是不太优雅,我们尝试使用 numpy 操作完成双线性插值

假设原始图像 image,变换后的小数坐标 X 矩阵 x_grid,Y 矩阵 y_grid,那么可以使用如下的 bilinear_by_meshgrid 函数快速双线性插值,已经处理好了边界,可以放心使用。

def bilinear_by_meshgrid(image, x_grid, y_grid):

    #               Ia, Wd                          Ic, Wb
    #           (floor_x, floor_y)              (ceil_x, floor_y)   
    #
    #                               (x, y)
    #
    #               Ib , Wc                         Id, Wa
    #           (floor_x, ceil_y)               (ceil_x, ceil_y)   
    #

    assert image.shape == x_grid.shape == y_grid.shape
    assert image.ndim == 2
    H, W = image.shape[:2]

    floor_x_grid = np.floor(x_grid).astype('int32')
    floor_y_grid = np.floor(y_grid).astype('int32')
    ceil_x_grid = floor_x_grid + 1
    ceil_y_grid = floor_y_grid + 1

    if np.max(ceil_x_grid) > W -1 or  np.max(ceil_y_grid) > H -1 or np.min(floor_x_grid) < 0 or np.min(floor_y_grid) < 0:
        print("Warning: index value out of original matrix, a crop operation will be applied.")

        floor_x_grid = np.clip(floor_x_grid, 0, W-1).astype('int32')
        ceil_x_grid = np.clip(ceil_x_grid, 0, W-1).astype('int32')
        floor_y_grid = np.clip(floor_y_grid, 0, H-1).astype('int32')
        ceil_y_grid = np.clip(ceil_y_grid, 0, H-1).astype('int32')

    Ia = image[ floor_y_grid, floor_x_grid ]
    Ib = image[ ceil_y_grid, floor_x_grid ]
    Ic = image[ floor_y_grid, ceil_x_grid ]
    Id = image[ ceil_y_grid, ceil_x_grid ]

    wa = (ceil_x_grid - x_grid) * (ceil_y_grid - y_grid)
    wb = (ceil_x_grid - x_grid) * (y_grid - floor_y_grid)
    wc = (x_grid - floor_x_grid) * (ceil_y_grid - y_grid)
    wd = (x_grid - floor_x_grid) * (y_grid - floor_y_grid)

    assert np.min(wa) >=0 and np.min(wb) >=0 and np.min(wc) >=0 and np.min(wd) >=0
    
    W = wa + wb + wc + wd
    assert np.sum(W[:, -1]) + np.sum(W[-1, :]) == 0
    
    wa[:-1, -1] = ceil_y_grid[:-1, -1] - y_grid[:-1, -1]
    wb[:-1, -1] = y_grid[:-1, -1] - floor_y_grid[:-1, -1]
    
    wb[-1, :-1] = ceil_x_grid[-1, :-1] - x_grid[-1, :-1]
    wd[-1, :-1] = x_grid[-1, :-1] - floor_x_grid[-1, :-1]
    
    wd[-1, -1] = 1
    
    W = wa + wb + wc + wd
    assert np.max(W) == np.min(W) == 1
    
    res_image = wa*Ia + wb*Ib + wc*Ic + wd*Id

    return res_image

该函数集成在我自己的python库 mtutils 中,可以通过:

pip install mtutils

直接安装,之后可以直接引用:

from mtutils import bilinear_by_meshgrid

以上就是基于Python实现二维图像双线性插值的详细内容,更多关于Python双线性插值的资料请关注脚本之家其它相关文章!

相关文章

  • Python3实现将文件归档到zip文件及从zip文件中读取数据的方法

    Python3实现将文件归档到zip文件及从zip文件中读取数据的方法

    这篇文章主要介绍了Python3实现将文件归档到zip文件及从zip文件中读取数据的方法,涉及Python针对zip文件操作的相关技巧,需要的朋友可以参考下
    2015-05-05
  • Python数据可视化详解

    Python数据可视化详解

    数据可视化是一种将庞杂抽象的数据转化为直观易懂的图形的数据呈现技术,它能帮助我们快速把握数据的分布和规律,更加轻松地理解和探索信息,本文通过代码图片详细介绍了Python数据可视化,感兴趣的小伙伴可以参考阅读
    2023-04-04
  • python基于 Web 实现 m3u8 视频播放的实例

    python基于 Web 实现 m3u8 视频播放的实例

    这篇文章主要介绍了python基于 Web 实现 m3u8 视频播放的实例的相关资料,需要的朋友可以参考下
    2023-06-06
  • Python3 文章标题关键字提取的例子

    Python3 文章标题关键字提取的例子

    今天小编就为大家分享一篇Python3 文章标题关键字提取的例子,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2019-08-08
  • python对站点数据做EOF且做插值绘制填色图

    python对站点数据做EOF且做插值绘制填色图

    这篇文章主要介绍了python对站点数据做EOF且做插值绘制填色图,文章围绕主题展开详细的内容介绍,具有一定的参考价值,,需要的小伙伴可以参考一下
    2022-09-09
  • python中利用zfill方法自动给数字前面补0

    python中利用zfill方法自动给数字前面补0

    python中有一个zfill方法用来给字符串前面补0,非常不错,下面小编给大家分享了实例代码,非常不错,具有参考借鉴价值,需要的朋友参考下吧
    2018-04-04
  • python全栈开发语法总结

    python全栈开发语法总结

    在本篇文章里小编给大家整理的是一篇关于python全栈开发语法的相关总结内容,有兴趣的朋友们可以跟着学习参考下。
    2020-11-11
  • Python threading的使用方法解析

    Python threading的使用方法解析

    这篇文章主要介绍了Python threading的使用方法解析,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
    2019-08-08
  • 对python判断ip是否可达的实例详解

    对python判断ip是否可达的实例详解

    今天小编就为大家分享一篇对python判断ip是否可达的实例详解,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2019-01-01
  • python中numpy矩阵的零填充的示例代码

    python中numpy矩阵的零填充的示例代码

    本文主要介绍了python中numpy矩阵的零填充的示例代码,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
    2022-08-08

最新评论