圖像最近鄰插值算法

一. 最近鄰插值法放大圖像：

        最近鄰插值法在放大圖像時補充的像素是最近鄰的像素的值。由於方法簡單，所以處理速度很快，但是放大圖像畫質劣化明顯，常常含有鋸齒邊緣。

最近鄰插值法算法原理 ↑

 

---

二. 最近鄰插值法算法流程：

        插值法放大圖像的第一步都是相同的，計算新圖的坐標點像素值對應原圖中哪個坐標點的像素值來填充，計算公式為：

        srcX = dstX * (srcWidth/dstWidth)

        srcY = dstY * (srcHeight/dstHeight)

        其中，src表示舊圖，dst表示新圖。新圖的坐標（dstX,dstY）對應於舊圖的坐標（srcX,srcY）。 srcWidth/dstWidth 和 srcHeight/dstHeight 分別表示寬和高的放縮比。

        那么問題來了，通過這個公式算出來的 srcX,scrY （舊圖坐標）有可能是小數，但是坐標點是不存在小數的，都是整數，得想辦法把它轉換成整數才行。

        不同插值法的區別就體現在 srcX,scrY 是小數時，怎么變成整數去取原圖像中的像素值。

        最近鄰插值法：看名字就很直白，四舍五入選取最接近的整數。這樣的做法會導致像素的變化不連續，在新圖中會產生鋸齒。

---

三. 實驗 python實現最近鄰插值算法

from PIL import Image
import matplotlib.pyplot as plt
import numpy as np 
import math

# 最近鄰插值算法
# dstH為新圖的高;dstW為新圖的寬
def NN_interpolation(img,dstH,dstW):
    scrH,scrW,_=img.shape
    retimg=np.zeros((dstH,dstW,3),dtype=np.uint8)
    for i in range(dstH-1):
        for j in range(dstW-1):
            scrx=round(i*(scrH/dstH))
            scry=round(j*(scrW/dstW))
            retimg[i,j]=img[scrx,scry]
    return retimg

im_path='../paojie.jpg'
image=np.array(Image.open(im_path))

image1=NN_interpolation(image,image.shape[0]*2,image.shape[1]*2)
image1=Image.fromarray(image1.astype('uint8')).convert('RGB')
image1.save('out.png')

 

---

四. 實驗結果：

原圖 ↑

 

 

最近鄰插值后圖像 ↑

 

        可以看到新圖中產生了鋸齒狀的邊緣。

---

五. 參考內容：

　　https://www.jianshu.com/p/4954643f7514