目前,人们已经提出了很多图像插值算法,
首先给出图像插值定义:
图像插值是在基于模型框架下,从低分辨率图像生成高分辨率图像的过程,用以恢复图像中所丢失的信息。
分类
主要可以分为两类,一类是线性图像插值方法,另一类是非线性图像插值方法,如下图所示。传统的插值方法如最近邻插值,双线性插值以及双三次插值等都属于线性插值方法。这类插值方法在图像插值过程中采用同一种插值内核,不用考虑待插像素点所处的位置,这种做法会使图像中的边缘变得模糊不清,达不到高清图像的视觉效果。非线性插值方法主要包括:基于小波系数的方法基于边缘信息的方法其中,基于边缘信息的方法又可分为隐式方法和显式方法 两种。,其中隐式方法包含边缘导向插值(New edge directive interpolation,NEDI),最小均方误差估计插值(Linear minimum mean square-error estimation,LMMSE)
软判决自适应插值(Soft-decision adaptive interpolation interpolation,SAI),提出的边缘对比度引导的图像插值(Contrast-guideed image interpolation,CGI)等都是隐式的基于图像边缘的插值方法。
2.线性插值算法
主要有最邻近插值,双线性插值,双三次插值
这些算法在很多博客论坛都有相应的讲解五种线性插值介绍及实现,OpenCV当中也有相应的库,所以在此不再赘述。