...

...

　　有好多算法早就想實現了，可是總有各種原因沒有實現，這個雙線性插值旋轉圖像就是其中之一。 　　之前寫過最鄰近插值旋轉圖像，傳送門。結合着看效果會很好。 原圖 最鄰近插值旋轉 雙線性插值旋轉 后記： 上面的無法通過極限情況，如果旋轉為90度或180度，邊界會有黑像素。修改 ...

K最鄰近密度估計技術是一種分類方法，不是聚類方法。 不是最優方法，實踐中比較流行。 通俗但不一定易懂的規則是： 1.計算待分類數據和不同類中每一個數據的距離（歐氏或馬氏）。 2.選出最小的前K數據個距離，這里用到選擇排序法。 3.對比這前K個距離，找出K個數據中包含最多的是那個類的數據 ...

　　我主要參考了這里，不過他推導的系數我感覺有問題，用他的公式直接套用放大的圖像會有網格，也許是我理解的有偏差。 　　所以我自己重新推導了這四個系數 　　 　　用這個就沒問題了。他的那些代碼還是很有參考價值的。 　　程序代碼： main.m ...

有兩個向量，我們想從起始向量平滑的過度到終止向量，那么中間的向量就可以通過插值的方式得到。 這在圖形學中圖形旋轉或者機器人中物體姿態旋轉都可以用到。 有三種方法：Lerp，NLerp和SLerp。 Lerp為線性插值，公式如下： NLerp為線性插值后歸一化，公式 ...

比如有圖像1，將其旋轉n度得到圖像2，問如何比較兩張圖像得到旋轉的度數n。 算法思路參考logpolar變換： 1.從圖像中心位置向四周引出射線。 2.計算每根射線所打到圖像上的像素累計和，得到極坐標灰度曲線。 3.比較兩張圖的灰度曲線，得到最相關的偏移位置，即為兩張圖像的旋轉 ...

加載圖像時經常會遇見要縮放圖像的情況，這種時候如何決定縮放后圖像對應像素點的像素值，這時候就需要用到插值算法 1.最鄰近插值算法 首先假設原圖是一個像素大小為W*H的圖片，縮放后的圖片是一個像素大小為w*h的圖片，這時候我們是已知原圖中每個像素點上的像素值（即灰度值等）的（⚠️像素點對應像素值 ...