8、图像放大与去噪技术：原理、算法及性能评估

图像放大与去噪技术：原理、算法及性能评估

1. 图像放大新技术

在图像放大过程中，与像素 $p_{i,j}$ 不同邻域相关联的块可能会重叠，且重叠涉及的像素数量也可能不同。因此，需要计算适当的权重，来确定与 $p_{i,j}$ 相关联的 $n×n$ 块中每个像素的灰度值。

在高分辨率（HR）中，与 $p_{i,j}$ 相关联的 $n×n$ 块中每个像素 $q_{i’,j’}$ 的坐标计算如下：
$i’ = ni + k$，$j’ = nj + h$，其中 $k = 0…n - 1$，$h = 0…n - 1$。

在低分辨率（LR）中，设 $z$ 是 $p_{i,j}$ 为中心的 $3×3$ 窗口中的任意一个像素，即 $z \in {tl, t, tr, l, p_{i,j}, r, bl, b, br}$。对于每个 $z$，设 $z^{#}$ 表示 HR 中与 $z$ 相关联的 $n×n$ 块和与 $p_{i,j}$ 对应的每个 $q_{i’,j’}$ 相关联的 $m×m$ 邻域之间的像素交集数量。具体而言，$z^{#}$ 由以下表达式给出：
- $tl^{#} = a(k) × a(h)$
- $t^{#} = c(k) × a(h)$
- $tr^{#} = b(k) × a(h)$
- $l^{#} = a(k) × c(h)$
- $p_{i,j}^{#} = c(k) × c(h)$
- $r^{#} = b(k) × c(h)$
- $bl^{#} = a(k) × b(h)$
- $b^{#} = c(k) × b(h)$
- $br^{#} = b(k) × b(h