圖像縮放算法及速度優化——(一)最近鄰插值

第0節 簡介

 

　　圖像縮放算法是數字圖像處理算法中經常遇到的問題。我們經常會將某種尺寸的圖像轉換為其他尺寸的圖像，如放大或者縮小圖像。OpenCV中的Resize() 函數非常方便而且效率非常高。下面是OPENCV提供的cvResize函數原型。

/****************************************************************************************************/
圖像大小變換 
void cvResize( const CvArr* src, CvArr* dst, int interpolation=CV_INTER_LINEAR );
src 
輸入圖像. 
dst 
輸出圖像. 
interpolation 
插值方法: 
CV_INTER_NN - 最近鄰插值, 
CV_INTER_LINEAR - 雙線性插值 (缺省使用) 
CV_INTER_AREA - 使用象素關系重采樣。當圖像縮小時候，該方法可以避免波紋出現。當圖像放大時，類似於 CV_INTER_NN 方法.. 
CV_INTER_CUBIC - 立方插值. 
函數 cvResize 將圖像 src 改變尺寸得到與 dst 同樣大小。若設定 ROI，函數將按常規支持 ROI.
/****************************************************************************************************/

　　相信使用過Opencv的朋友都知道如何使用此函數。下面根據我自己的理解，用VC++ 來實現圖像縮放算法 ，希望大家能從中理解圖像縮放算法的原理。

 

第1節 最近鄰插值

 

　　最簡單的圖像縮放算法就是最近鄰插值。顧名思義，就是將目標圖像各點的像素值設為源圖像中與其最近的點。假設源圖像的寬度和高度分別為w0和h0, 縮放后的目標圖像的寬度和高度分別為w1和h1, 那么比例就是float fw = float(w0)/w1; float fh = float(h0)/h1; 對於目標圖像中的(x,y)點坐標對應着源圖像中的(x0, y0)點。其中：x0 = int(x*fw), y0 = int(y*fh)。

　　示例1：現在將一張670*503的BMP圖像縮放到200*160，代碼和效果如下。

void ResizeNear01(CImage &src, CImage &dst)
{
    int w0 = src.GetWidth();
    int h0 = src.GetHeight();

    int w1 = dst.GetWidth();
    int h1 = dst.GetHeight();

    float fw = float(w0) / w1;
    float fh = float(h0) / h1;

    int x0, y0;
    for(int y=0; y<h1; y++)
    {
        y0 = int(y * fh);
        for(int x=0; x<w1; x++)
        {
            x0 = int(x * fw);
            dst.SetPixel(x, y, src.GetPixel(x0, y0));
        }
    }
}

分析：對於此程序，我們將執行此ResizeNear01函數的語句加上一個for循環，使其執行100次，看它的速度怎么樣。

#include <time.h>
void CResizeDemoDlg::OnBnClickedButton1()
{
    // TODO: Add your control notification handler code here
    CImage src, dst;
    src.Load(L"d:\\1.bmp");
    dst.Create(200, 160, 24);

    clock_t start = clock();
    for(int i=0; i<100; i++)
    {
        ResizeNear01(src, dst);
    }
    float end = float(clock() - start)/CLOCKS_PER_SEC;
    CString str;
    str.Format(L"%6.2f", end);
    MessageBox(str);


    dst.Save(L"d:\\rs.jpg");
}

　　顯示程序執行所用的時間為20.59秒，平均一次需要0.2秒，看起來速度還可以，是因為時間復雜度較低。目標圖像的尺寸大小是200*160。

　　示例2：示例1中的算法可以改進速度的地方有兩個。第一，因為最近鄰插值算法求源圖像中的坐標是固定的，可以把每個目標每個x和每個y對應的值通過一次循環先求出來，再利進入雙重循環。第二，使用指針效率更高，如果使用CImage提供的GetPixel和SetPixel是費時間的。

　　

//優化后的最近鄰插值算法
void ResizeNear02(CImage &src, CImage &dst)
{
    int w0 = src.GetWidth();
    int h0 = src.GetHeight();
    int pitch0 = src.GetPitch();

    int w1 = dst.GetWidth();
    int h1 = dst.GetHeight();
    int pitch1 = dst.GetPitch();

    float fw = float(w0) / w1;
    float fh = float(h0) / h1;

    int *arr_x = new int[w1];
    int *arr_y = new int[h1];
    for(int y=0; y<h1; y++)
    {
        arr_y[y] = int(y*fh);
    }
    for(int x=0; x<w1; x++)
    {
        arr_x[x] = int(x*fw);
    }

    BYTE* pSrc = (BYTE*)src.GetBits();
    BYTE* pDst = (BYTE*)dst.GetBits();
    BYTE* p0, *p1;
    for(int y=0; y<h1; y++)
    {
        p0 = pSrc + pitch0 * arr_y[y];
        p1 = pDst + pitch1 * y;
        for(int x=0; x<w1; x++)
        {
            //dst.SetPixel(x, y, src.GetPixel(arr_x[x], arr_y[y]));
            memcpy(p1 + 3*x, p0 + arr_x[x]*3, 3);
        }
    }

    delete []arr_x;
    delete []arr_y;
}

　　同樣執行示例1中的測試程序，讓ResizeNear02也循環一百次，在我機器上測試得到的結果是0.05秒，速度提高了400倍，這是一件多么讓人興奮的事情啊。
本人接觸圖像處理雖然也快一年了，但還是新手，望大家多多指正。