MATLAB 图像放大/缩小,双线性插值

   2023-02-09 学习力0
核心提示:半年前写过matlab最邻近插值的图像缩放,没怎么考虑边界问题。更早之前用Opencv写过双线性插值图像放大,不过写的比较混乱。所以这里用matlab重新再清楚的写一遍。 1 close all; 2 clear all; 3 clc; 45 m=1.8;%放大或缩小的高度 6 n=2.3;%放大或缩小的宽度 7

半年前写过matlab最邻近插值的图像缩放,没怎么考虑边界问题。更早之前用Opencv写过双线性插值图像放大,不过写的比较混乱。所以这里用matlab重新再清楚的写一遍。

 1 close all;
 2 clear all;
 3 clc;
 4 
 5 m=1.8;              %放大或缩小的高度
 6 n=2.3;              %放大或缩小的宽度
 7 img=imread('lena.jpg');
 8 imshow(img);
 9 [h w]=size(img);
10 imgn=zeros(h*m,w*n);
11 rot=[m 0 0;0 n 0;0 0 1];                                   %变换矩阵for i=1:h*m
12     for j=1:w*n
13         pix=[i j 1]/rot;   
14         
15         float_Y=pix(1)-floor(pix(1)); 
16         float_X=pix(2)-floor(pix(2));
17        
18         if pix(1) < 1        %边界处理
19             pix(1) = 1;
20         end
21         
22         if pix(1) > h
23             pix(1) = h;
24         end
25         
26         if pix(2) < 1
27             pix(2) =1;
28         end
29         
30         if pix(2) > w
31             pix(2) =w;
32         end
33         
34         pix_up_left=[floor(pix(1)) floor(pix(2))];    %四个相邻的点
35         pix_up_right=[floor(pix(1)) ceil(pix(2))];
36         pix_down_left=[ceil(pix(1)) floor(pix(2))];
37         pix_down_right=[ceil(pix(1)) ceil(pix(2))];     
38     
39         value_up_left=(1-float_X)*(1-float_Y);      %计算临近四个点的权重
40         value_up_right=float_X*(1-float_Y);
41         value_down_left=(1-float_X)*float_Y;
42         value_down_right=float_X*float_Y;
43                                     %按权重进行双线性插值
44         imgn(i,j)=value_up_left*img(pix_up_left(1),pix_up_left(2))+ ...
45                   value_up_right*img(pix_up_right(1),pix_up_right(2))+ ...
46                   value_down_left*img(pix_down_left(1),pix_down_left(2))+ ...
47                   value_down_right*img(pix_down_right(1),pix_down_right(2));        
48     end
49 end
50 
51 figure,imshow(uint8(imgn))

MATLAB 图像放大/缩小,双线性插值原图

MATLAB 图像放大/缩小,双线性插值 放大后的。

 
反对 0举报 0 评论 0
 

免责声明:本文仅代表作者个人观点,与乐学笔记(本网)无关。其原创性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。
    本网站有部分内容均转载自其它媒体,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责,若因作品内容、知识产权、版权和其他问题,请及时提供相关证明等材料并与我们留言联系,本网站将在规定时间内给予删除等相关处理.

  • 如何在Abaqus的python中调用Matlab程序
    目录1. 确定版本信息2. 备份python3. 设置环境变量4. 安装程序5. 调试运行参考资料Abaqus2018操作系统Win10 64位Python版本2.7(路径C:\SIMULIA\CAE\2018\win_b64\tools\SMApy\python2.7)2. 备份python将上述的“python2.7”文件夹复制出来,避免因操作错误
    03-16
  • 如何将极坐标数据转换为笛卡尔坐标系并绘制[MATLAB]
    如何将极坐标数据转换为笛卡尔坐标系并绘制[MAT
    你想做的事考虑根据与原点的距离 $r$ 和 $xy$ 平面上的角度 $heta$ 绘制数据 $P(r, heta)$。例如,雷达获取的信号包含有关目标范围 $r$ 和方位角 $heta$ 的信息。就是下图。在本文中,$heta$ 是从 $x$ 轴测量的角度。显示示例考虑创建依赖于 $r, heta$ 的虚拟
    03-16
  • 【MATLAB与机械设计】一维优化进退法确定初始区间
    【MATLAB与机械设计】一维优化进退法确定初始区
    在讨论一维搜索时,首先保证搜索区间函数具有单峰性,也就是在区间[a,b]中函数是凸函数,对于求极小值问题,函数值具有高—低—高的特性,在区间[a,b]上有唯一的最小值。1,方法的建立2.进退法确定搜索区间的程序框图3,根据上述的程序框图,编写的MATLAB程序
    03-08
  • 用于微型四轮驱动的 6T 小齿轮原型和使用 MATLAB 的 FEM 结构分析
    用于微型四轮驱动的 6T 小齿轮原型和使用 MATLA
    介绍我使用迷你 4WD 套件使用 Raspberry Pi 制作机器人汽车。定制零件丰富且方便,因为它们在附近的商店很容易买到。但是,由于Mini 4WD的速度非常快,因此在低速时很难控制速度。因此,我使用 3D 打印机制作了自己的 6T 小齿轮,并尝试改变齿轮比。 成型小齿
    03-08
  • ROS与Matlab系列:一个简单的运动控制 基于matl
    转自:http://blog.exbot.net/archives/2594Matlab拥有强大的数据处理、可视化绘图能力以及众多成熟的算法函数,非常适合算法开发;在控制系统设计中,Simulink也是普遍使用的设计和仿真工具。而ROS系统,则是一种新的标准化机器人系统软件框架。通过ROS,你
    02-10
  • matlab 遍历结构体struc的成员
    MATLAB中专门用于对结构数组的操作的函数并不多,通过 help datatypes获取数据类型列表,可以看到其中的结构数据类型的有关的函数,主要如表4.3.1所示。表4.3.1 结构数组的操作函数函数名             功能描述 deal                 把输入处
    02-09
  • 02-09
  • schroeder reverb matlab实现
    schroeder reverb matlab实现
    原理参考:Natural sounding artificial reverberation combFilter.m:function output = combFilter(delay, gain, input)fs = 48000;delaySample = int32(delayTime * fs / 1000);B = [1 zeros(1, delaySample - 1)];A=[1 zeros(1, delaySample - 2) -gain];
    02-09
  • C/C++中调用matlab引擎计算 matlab转c
    原帖地址:http://blog.sina.com.cn/s/blog_6adcb3530101cvot.html一,在linux环境使用matlab引擎必须先进行一些必要的配置1,matlab引擎依赖/bin/csh启动,所以不管你使用何种shell,都必须安装csh。**2,matlab引擎依赖的动态库文件目录必须在系统当前的
    02-09
  • 数据分析处理之PCA OLSR PCR PLSR(NIPALS)及其Matlab代码实现
    数据分析处理之PCA OLSR PCR PLSR(NIPALS)及其M
    传统的OLS(普通最小二乘)方法无法解决样本数据的共线性(multicollinearity)问题,如果你的数据样本中每个特征变量具有共线性,那么使用基于PCA的PCR和PLSR方法对数据样本进行回归建立模型将会是一个不错的选择。PCA是一种数据降维方式,但同时保持了原始数据
    02-09
点击排行