【数字图像处理】简单粗暴介绍最近邻插值和双线性插值（附python实现）

原创

于 2024-09-25 17:15:39 发布 · 1.4k 阅读

34 ·

CC 4.0 BY-SA版权

文章标签：

#python #图像处理

前言

最近邻插值和双线性插值是两种常见的用于图像处理的方法，主要是用于实现图像的放大和缩小。本文中将以最为简单粗暴的方式介绍两种方法的原理，以及底层的代码实现。

为什么需要有插值的存在呢？这是因为计算机中存储的数据都是离散的。假设有一个350×350的图片，现在我要将其放大两倍，即新图为750×750,。对于原图当中的每一个像素，可以将其像素值的坐标对应乘上2，将其映射到新图中（如对于点（150, 100），其在新图中的坐标为（300, 200））。

但是这样做就有一个问题，新图中的像素点显然是更多的，这就会导致很多点并不能在原图中找到完全对应的点，这是因为原图中的坐标是离散分布的（如新图中的（201, 101），按照映射比例应该为（100.5, 50.5），但这在原图中是不存在的）。因此就会导致像素点的丢失。所以我们就需要采用一些办法解决这个问题。

最近邻插值

理论与公式部分

最近邻插值是最好理解也是最好实现的一种方法。其基本思想是**在目标像素点上插入离对应原像素点最近的点的像素值，而不考虑图像可能的颜色变化。**这是什么意思呢？我们仍然根据前言中的例子分析。

对于目标图中的点（300, 200），其通过逆变换得到的值是真实存在于原图中的，此时不需要做处理，直接将原图点像素值给到目标点即可；而对于目标图中的点（201, 101），根据映射关系对其进行逆变换得到其在原图上的点是（100.5, 50.5），但是原图中并不存在这个像素点，不过可以根据四舍五入的规则，找到原图真实存在的像素点中，与目标点距离最近的点。最近邻插值的办法就是，选取与目标点距离最近的一个点，并将该点的像素值赋给目标点。 那么对于（100.5, 50.5），按照四舍五入的规则，其像素值就应该同原图中点（101, 51）一致。

根据以上思路，总结为数学公式如下：
$src_x=dst_x*dsize_x$ $src_y=dst_y*dsize_y$
其中， $src_x$ 、 $src_y$ 是原图中用于确定目标点像素值的坐标， $dst_x$ 、 $dst_y$ 是目标图中目标点的坐标，dsize分别是提前预设的水平、竖直两个方向的缩放比率。