CN100373912C - 用于图像放大处理过程中的快速双线性插值方法 - Google Patents

Abstract

本发明公开了一种用于图像放大处理过程中的快速双线性插值方法，先在原图像上的坐标系中直接进行插值操作，再从原图像到目标图像进行映射，使得图像放大处理过程中的遍历操作减少，边界像素也可以在统一的程序框架中处理；在行方向和列方向上分别进行插值，去除了冗余的插值计算；插值运算全部采用整数加减法和整数移位运算，这几个方面使得用双线性插值进行图像放大的速度得到了提高，采用本发明的快速插值方法进行图像放大，在图像放大倍数为2～10倍时，算法的运算速度提高了4～10倍，且算法的加速比随着放大倍数的增加而增加。

Description

用于图像放大处理过程中的快速双线性插值方法

技术领域

本发明涉及一种用于图像放大处理过程中的插值方法，尤其是涉及一种用于图像放大处理过程中的快速双线性插值方法。

背景技术

现有的各种视频显示设备中，图像放大处理是必需的常用操作。为适应特殊场合和获得较好的视觉效果，常常需要一种有效的方法来改变已有图像的大小，并保证改变后的图像有较好的质量。对于图像的放大处理，不仅要求有非常好的质量，还需要尽可能快的速度。最简单的方法是平移重复插值，即最邻近像素插值，这种方法实现速度非常快，但是放大后的图像会出现马赛克效应。实际操作中最常用的双线性插值方法比较简单，运算速度也比较快。但是在一些对运算速度有比较高的要求的应用中，如在高分辨率医学专用显示器上处理大的CR图像时，由于这类图像数据量一般远大于普通图像，图像处理需要更多的时间，尤其是当放大倍数较大时会出现明显时滞，类似这种应用中，图像放大的处理速度成为一个瓶颈。

目前普遍采用的对图像放大进行处理的双线性插值方法，分两步对图像进行几何运算：首先，对图像进行空间坐标变换；其次，对图像进行灰度级插值。而坐标变换和灰度级插值都会对图像放大的处理时间产生影响，另外，灰度级插值还会影响到最后放大的图像质量。

例如，原图像为A图像，大小为m×n；放大后的目标图像为B图像，大小为M×N(M>m，N>n)，图像的双线性插值放大分为两个步骤：坐标变换和双线性插值。坐标变换就是将原图像A和缩放后的目标图像B之间建立坐标映射关系。双线性插值就是在坐标变换的基础上，通过与目标像素点坐标临近的四个已知像素点来计算目标像素的颜色值。如图1所示，四个已知临近像素点组成一个小的2邻域正方形，我们把这样的2邻域正方形称做一个处理单元。每一个位于处理单元内部的目标像素点的颜色水平都可以通过四个顶点的颜色水平进行双线性插值得到(式(1)、式(2))。

$\left.\begin{array}{cc}\left(i\right)& f\left(M\right)=a\×f\left(P_1\right)+(1-a)\×f\left(P_2\right)\\ \left(\mathrm{ii}\right)& f\left(N\right)=b\×f\left(P_3\right)+(1-a)\×f\left(P_4\right)\\ \left(\mathrm{iii}\right)& f\left(X\right)=b\×f\left(M\right)+(1-b)\×f\left(N\right)\end{array}\right\}......\left(1\right)$

将(1)式进行简化得到：

$\left.\begin{array}{cc}\left(i\right)& f\left(M\right)=a\×f\left(P_2\right)+[f\left(P_1\right)-f\left(P_2\right)]\×a\\ \left(\mathrm{ii}\right)& f\left(N\right)=b\×f\left(P_4\right)+[f\left(P_3\right)-f\left(P_4\right)]\×a\\ \left(\mathrm{iii}\right)& f\left(X\right)=b\×f\left(N\right)+[f\left(M\right)-f\left(N\right)]\×a\×\end{array}\right\}......\left(2\right)$

(1)，(2)式中f(P)表示坐标为P的颜色值。

在插值缩放过程中，需要遍历所有的处理单元，处理单元的个数决定了遍历时间，遍历时间主要是由指针移动，存取操作的开销组成。插值过程中首先要在原图像和目标图像之间建立坐标映射关系，然后才能进行插值。通常采用的映射方法是将目标图像坐标映射到原图像中。即将目标图像中的每一个像素点坐标(x′，y′)都通过坐标变换影射到原图像中的相应位置(x，y)：

$\left.\begin{array}{c}x=x\′\×n/N\\ y=y\′\×m/M\end{array}\right\}---\left(3\right)$

然后根据原图像中对应的小邻域计算目标图像中像素点的值。如图2所示，X＝(x，y)为目标图像中的像素点坐标X′＝(x′，y′)映射到原图像中的坐标位置(一般都是小数)，与X临近的四个像素点组成一个处理单元，通过双线性插值计算其像素值。计算一个目标像素点需要3次浮点乘法，6次浮点加法。但是由于每一个目标像素点都要映射到一个处理单元，处理单元的总数有M×N个。同时对于目标图像的边缘像素，存在X落在原图像之外的情况，需要对这种情况进行特别处理，比如对原图像的边缘像素进行延拓。这样在处理过程中还要有分支跳转指令的开销。上述这些因素结合起来，导致了目前的用双线性插值方法进行图像放大处理的时间相对比较长，也就是处理的速度较慢。

发明内容

本发明所要解决的技术问题是提出一种用于图像放大处理过程中的快速双线性插值方法，在不影响或极少影响原图像缩放质量的前提下，能够大大提高处理的速度。

本发明解决上述技术问题所采用的技术方案为：一种用于图像放大处理过程中的快速双线性插值方法，对于大小为m×n的原图像和大小为M×N的目标图像，定义原图像和目标图像都以左上角像素作为坐标原点，右方向为x正方向，向下方向为y正方向，原图像坐标系中点的坐标为(x，y)，目标图像像素坐标为(x′，y′)，定义两个数组，Pre_Row和Cur_Row，临时存储原图像A行方向上插值得到的数据，Cur_Row存储当前行插值得到的数据，Pre_Row存储前面一行插值得到的数据，然后采用以下步骤获得目标图像像素点的灰度值：

1)准备在原图像的列方向x坐标方向和行方向y坐标方向上分别以步长stepx，stepy进行插值，stepx＝(n-1)/(N-1)；stepy＝(m-1)/(M-1)，用j表示原图像的行编号，j为0到M-1之间的正整数；

2)在原图像的行方向上进行插值，得到在原图像坐标系中x＝i′×stepx，y＝j的点的灰度值A(i′×stepx，j)，i′为0到N-1之间的正整数，为放大图像的列编号，将得到的插值结果存到数组Cur_Row中，即Cur_Row[i′]＝A(i′×stepx，j)；

3)判断原图像的行数，如果是第0行，即j＝0，继续下一步，如果j≠0，转到6)；

4)将数组Cur_Row中的值赋给目标图像的第0行，即令B(i′，0)＝Cur_Row[i′]，i′为0到N-1之间的正整数；

5)将Cur_Row数组的值赋给Pre_Row数组，即：Pre_Row[i′]＝Cur_Row[i′]，i′为0到N-1之间的正整数，转到7)；

6)令原图像当前的行编号为j，以Pre_Row[i′]，Cur_Row[i′]作为[0，1]区间的两个端点的像素值，即f(0)＝Pre_Row[i′]，f(1)＝Cur_Row[i′]，用整数移位运算和整数加减法进行线性插值，得到目标图像B在x′＝i′，y′＝k的像素灰度值 $B(i\′,k)=\tilde{f}(k\×\mathrm{stepy}-j+1),$ 其中k×stepy-j+1为[0，1]区间的一个实数，用整数移位运算和整数加减法进行线性插值的具体方法为：对于[0，1]区间的任何一个实数x，定义p为不大于x×8+0.5的最大整数，如果p为0，则 $\tilde{f}\left(x\right)=f\left(0\right);$ 如果p为1，则 $\tilde{f}\left(x\right)=f\left(0\right)+\left((f\left(1\right)-f\left(0\right)\right)>>3;$ 如果p为2，则 $\tilde{f}\left(x\right)=f\left(0\right)+\left((f\left(1\right)-f\left(0\right)\right)>>2;$ 如果p为3，则 $\tilde{f}\left(x\right)=((f\left(0\right)+f\left(1\right))>>1)-(\left(f\left(0\right)\right)>>3);$ 如果p为4，则 $\tilde{f}\left(x\right)=(f\left(0\right)+f\left(1\right))>>1;$ 如果p为5， $\tilde{f}\left(x\right)=((f\left(0\right)+f\left(1\right))>>1)+((f\left(1\right)-f\left(0\right))>>3);$ 如果p为6， $\tilde{f}\left(x\right)=f\left(1\right)+\left((f\left(0\right)-f\left(1\right)\right)>>2;$ 如果p为7， $\tilde{f}\left(x\right)=f\left(1\right)+\left((f\left(0\right)-f\left(1\right)\right)>>3;$ 如果p为8， $\tilde{f}\left(x\right)=f\left(1\right);$ 其中>>为右移位运算，转到5)；

7)判断下一图像的行数，如果j≤m-1，转到2)，否则结束处理过程。从原图像到目标图像的映射关系为： $\left\{\begin{array}{c}x\′=x\×(N-1)/(n-1)\\ y\′=y\×(M-1)/(m-1)\end{array}\right..$

可以先在原图像相邻两行的行方向上进行插值，然后对纵坐标位于这两行行号之间的点进行插值。

与现有的用于图像放大的双线性方法相比，本发明有四个优点：

(一)先在原图像上的坐标系中直接进行插值操作，再从原图像到目标图像进行映射，没有从目标图像中的坐标转换到原图像中坐标的计算过程，使得图像放大处理过程中的遍历操作减少，减少了图像遍历时间；

(二)从公式(1)中可以看出，原来的插值方法平均每计算目标图像中的一个像素点就需要进行3次线性插值，因此总共需要3×M×N次插值；本发明方法去除了冗余计算，只须采用(N-2)×m+(M-2)×n次插值运算，这种优势在放大倍数越大时表现越明显；

(三)从公式(3)中可以看出，原来的映射方法可能出现目标图像的边界像素坐标映射到原图像的范围之外，即(3)式计算的x>N，或者y>M，这样就需要对映射进行判断，如果出现x>N，或者y>M，就需要特殊处理(如对原图像的像素进行扩展)，增加了分支跳转指令的开销；

本发明使用的映射方法使得目标图像的边界像素坐标正好映射到原图像的边界上，因此可以用统一的结构来处理，无需对映射关系进行判断，同时由于边界对齐的原因，使得线性插值运算数目减少(目标图像的四个边界像素只需要一次插值运算)使原来的不利因素变为现在的有利因素。

(四)原来的线性插值方法采用的是浮点运算，本发明的线性插值运算用整数位运算和整数加减法来进行，提高了运算速度。

与现有的用于图像放大处理过程中的双线性插值方法相比，采用本发明的快速双线性插值方法进行图像放大，在图像放大倍数为2～10倍时，运算速度提高了4～10倍，且加速比随着放大倍数的增加而增加。

附图说明

图1为双线性插值方法的示意图；

图2为原来的映射方法的示意图；

图3为本发明采用的映射方法的示意图；

图4为本发明去除冗余计算的示意图；

图5为本发明双线性快速插值方法的原理示意图；

图6为本发明与原方法速度比较示意图；

图7为本发明相对于原方法加速比示意图；

图8为本发明的用于图像放大的快速双线性插值方法流程图。

具体实施方式

以下结合附图对本发明作进一步详细描述。

在此我们分映射关系、去除冗余计算和快速插值三个部分来进行说明。

映射关系：

现有的采用双线性插值进行图像放大的方法是先进行坐标变换，再进行双线性插值。即对目标图像B的每一个像素坐标(i′，j′)，根据(3)式映射到原图像A中的坐标X＝(x，y)，此时x，y一般为非整数。如图2所示，再根据(x，y)临近的四个像素点构成的处理单元，按照(2)式进行双线性插值计算(x，y)处的灰度值，这样每计算一个目标图像B中的像素点，都需要寻找原图像A中相应的处理单元(四个像素点)，在计算过程中，每个处理单元都需要对数据进行存取操作。这样计算目标图像B中的所有的像素点，总共需要寻找M×N个处理单元。同时，根据(3)式，对于目标图像B的边缘像素，存在X落在原图像A之外的情况，需要对这种情况进行特别处理(如对原图像A的边缘像素进行延拓)，这样程序实现中会有分支跳转指令的开销。

本发明采用映射关系：

$\left\{\begin{array}{c}x\′=x\×(N-1)/(n-1)\\ y\′=y\×(M-1)/(m-1)\end{array}\right.---\left(4\right)$

这种映射与现有方法的映射方向相反，是从原图像A中的坐标X＝(x，y)映射到目标图像B中的坐标X′＝(x′，y′)，见图3。这里不是将原图像A中的整数坐标点进行映射，而是对坐标(x＝i′×stepx，y＝j′×stepy)进行映射，这些点的集合记为Λ＝{(x，y)|x＝i′×stepx，y＝j′×stepy，i′＝0，1，…，N-1；j′＝0，1，…，M-1}，Λ在目标图像B中映射的坐标正好是(x′＝i′，y′＝j′)，i′＝0，1，…，N-1；j′＝0，1，…，M-1，也即对应于目标图像B中的所有像素点坐标。这种映射使我们可以直接在原图像A中遍历每一个处理单元，将该处理单元内部的坐标点(x＝i′×stepx，y＝j′×stepy)的灰度值A(x＝i′×stepx，y＝j′×stepy)计算出来后直接赋给B(i′，j′]，因此共需要(m-1)×(n-1)个处理单元。同时因为映射是从原图像A到目标图像B的，原图像A的边界像素坐标正好被映射到目标图像B的边界上，这样(m-1)×(n-1)个处理单元恰恰覆盖了目标图像B，不会出现边缘像素落到处理单元之外的情况。

去除冗余计算：

采用(2)式表示的双线性插值，每个目标像素B的计算都需要六次浮点加法和3次浮点乘法，这里实际上是有一些计算冗余的。在同一个处理单元中横向坐标相同的点(2)式中的(i)，(ii)两个插值计算是完全相同的，只是(iii)的计算不同。如图4中对坐标为X1与X2的颜色水平的计算可以用Q₁，Q₂两点的颜色水平插值得到。上下相邻的两个处理单元有一条边是公用的，因此也有一个插值运算是相同的，如X₂和X₂两点颜色值的计算都用到Q₂的颜色水平。采用(4)式映射方式使得我们可以在插值过程中去除这些冗余计算。

为了去除冗余计算，定义两个数组，Pre_Row和Cur_Row，临时存储原图像A行方向上插值得到的数据，Cur_Row存储当前第j行插值得到的数据，Pre_Row存储前面一行即第j-1行插值得到的数据。然后在列方向上对于集合Λ中纵坐标位于j-1和j之间的所有坐标点进行插值。这一过程完成后，将Cur_Row数组中的值赋给Pre_Row数组，以第j+1行为当前行，重新计算Cur_Row数组，利用Pre_Row和Cur Row在列方向上对于集合Λ中纵坐标位于j和j+1之间的所有坐标点进行插值。上面这个过程不断重复，直到处理完原图像A中所有的行，即j＝n-1。这样通过分离行方向和列方向上的插值运算，我们可以去除那些冗余计算步骤。提高图像放大处理的速度。此外，Cur_Row数组的第一个元素和最后一个元素不需要进行插值运算，直接可以由原图像A中的像素值赋值得到，因此行方向上总共需要插值(N-2)×m次；在列方向上插值计算集合Λ中坐标点的灰度值时，对于纵坐标为0和(N-1)×stepy＝n-1的坐标点，直接赋以Cur_Row数组的相应值即可，因此列方向上共需插值(M-2)×N次，图像的总共需要的插值运算的数目为(N-2)×m+(M-2)×N；并且如果(M-1)％(m-1)＝0；(N-1)％(n-1)＝0，则原图像A的所有像素点正好影射到B的整数坐标点上，因此有m×n个像素灰度值直接赋值即可。B中需要插值运算计算灰度值的像素点数目会进一步减少到M×N-m×n个，即目标图像B中的每个像素点平均只需要不到一次线性插值就可以得到。

对于图4所示，Pr e_Row[k]存储点Q1的灰度值，Cur_Row[k]存储Q₂点的灰度值，X₁和X₂是处理单元P₁，P₂，P₃，P₄内部中位于集合Λ中的点，且横坐标为k×stepx。通过Pre_Row[k]和Cur_Row[k]插值计算X₁和X₂点的灰度值，接着令Pre_Row[k]＝Cur_Row[k]，重新计算Cur_Row[k]的值为Q₃的灰度值，通过Pre_Row[k]和Cur_Row[k]插值计算X₃和X₄点的灰度值。

快速插值：

在图像插值运算中，插值函数的浮点运算和乘法运算比较耗时，而图像的颜色值为正整数，插值计算得到的浮点数最终还要转化为整数。整数的移位运算和加法运算要比浮点运算快很多，如果能够把浮点运算与乘法运算都转化为整数移位运算和加法运算，则可以减少运算时间。

设插值函数是一个一阶可导函数f(x)，x∈[0，1](在双线性插值中，f(x)为线性函数)，考虑内插的情况。如果在线段两个端点处的函数值已知，欲求中间一点x对应的y值，则y＝f(x)，因为x是浮点数，计算f(x)需要进行浮点运算，而浮点运算相对于整数运算是比较耗时的。如图5所示，将[0，1]区间分割为2n等分，设距离x最近的分割点为

k∈[0，2ⁿ]，对于给定的小正数ε，如果分割点

与x的距离足够小，由f(x)，x∈[0，1]的连续性，则有 $|f\left(x\right)-f\left(\frac{k}{2^n}\right)|<\mathrm{\&epsiv;}.$ 如果

的计算能够通过加法运算和移位运算得到，避免浮点运算和乘法运算，必然可以节省运算时间。我们把先用浮点数进行精确计算，再取整得到的结果记为

用

近似f(x)得到的结果记为 $\tilde{f}\left(x\right)=f\left(\frac{k}{2^n}\right).$

由于图像的颜色水平是有限的，最后要将插值运算得到的浮点数强制转换为整数，这就造成了取整误差，如果取圆整，即

则取整造成的平均误差为0.25，取整造成的最大误差为0.5，对于灰度级是L的图像，一个象素要采用log2L位来表示，用

近似f(x)的信噪比为：

${\mathrm{SNR}}_{\tilde{f}}=10{\log }_2^{\frac{L^2}{{\left(0.5\right)}^2}}={20\log }_2^{\frac{L}{0.5}}=20({\log }_2^L+1)---\left(5\right)$

当 $|f\left(x\right)-f\left(\frac{k}{2^n}\right)|<\mathrm{\&epsiv;},$ 则

${\mathrm{SNR}}_{\tilde{f}}=10{\log }_2^{\frac{L^2}{g^2}}={20\log }_2^{\frac{L}{g}}=20({\log }_2^L+{\log }_2^{\frac{1}{g}})---\left(6\right)$

当ε＝0.5时， ${\mathrm{SNR}}_{\hat{f}}={\mathrm{SNR}}_{\tilde{f}}$

在线性插值的情况下：

f(x)＝(1-x)·f(0)+x·f(1)＝(f(1)-f(0))·x+f(0)       (7)

$\left|f(x-\frac{k}{2^n})\right|\&le;|f\&prime;\left(\mathrm{\&xi;}\right)\&CenterDot;(x-\frac{k}{2^n})|\&le;|f\left(1\right)-f\left(0\right)|\&CenterDot;\frac{1}{2^{n+1}}---\left(8\right)$

于是对于给定的ε>0，只要取

$N={\log }_2^{(f\left(1\right)-f\left(0\right))}+{\log }_2^{\frac{1}{\mathrm{\&epsiv;}}}-1---\left(9\right)$

当n≥N时

就有： $|f\left(x\right)-f\left(\frac{k}{2^n}\right)|<\mathrm{\&epsiv;}$ 成立。

在用双线性插值进行图像缩放过程中，f(0)，f(1)表示相邻两个像素的灰度值，由图像的局部连续性，这两个灰度值相差一般较小，除非有非常明显的边界或图像中的脉冲噪声。因此绝大多数情况下，|f(1)-f(0)|<16＝2⁴，如果取ε＝0.5，就可以保证

由(9)式，得到N＝4。根据weber定律，|f(1)-f(0)|较大时，人眼感觉到有差别的阈限也会增大，因此ε稍大一点也不会被人眼察觉。可以在图像双线性插值缩放中取n＝4，采用 $\tilde{f}\left(x\right)=f\left(\frac{k}{2^4}\right)$ 比采用造成的信噪比损失是可以忽略不计的，如果

能够快速有效的计算，就可以大幅度提高双线性插值缩放方法的运算性能。 $\tilde{f}\left(x\right)=f\left(0\right)+[f\left(1\right)-f\left(0\right)]\&times;\frac{k}{16},\frac{k}{16}$ 可以表示为

的加法或减法的组合，由于 $[f\left(1\right)-f\left(0\right)]\&times;z,z=\frac{1}{2},\frac{1}{4},\frac{1}{8},\frac{1}{16}$ 可以通过移位运算来实现，于是就可以通过步骤6)来计算

本发明的用于图像放大处理过程中的快速双线性插值方法的流程图如图8所示。

以下就本发明方法进行图像放大的运算速度进行说明。

采用256×256大小的256色lena原图像灰度图像进行放大1.5～21倍。算法在VisualC++6.0环境下编程实现，考虑到编译器优化的影响，所得的结果是在release版下测得的，由于原方法和快速方法得到的插值图像在视觉上基本没有什么差别，试验目的是为了比较它们的时间开销。图6和图7反映了原双线性插值放大方法的和本发明的运算速度的比较。从图中的结果可以看到，本发明提出的用于图像缩放的快速插值方法对于提高现有处理方法的效率非常有效，随着放大倍数的增加，本发明提出的方法运算效率甚至提高了20倍。在对图像缩放处理方法实时性要求比较高的应用中，本发明无疑提供了一个非常好的提高运算效率的途径。

Claims (3)

1.一种用于图像放大处理过程中的快速双线性插值方法，其特征在于对于大小为m×n的原图像和大小为M×N的目标图像，定义原图像和目标图像都以左上角像素作为坐标原点，右方向为x正方向，向下方向为y正方向，原图像坐标系中点的坐标为(x，y)，目标图像像素坐标为(x′，y′)，定义两个数组，Pre_Row和Cur_Row，临时存储原图像A行方向上插值得到的数据，Cur_Row存储当前行插值得到的数据，Pre_Row存储前面一行插值得到的数据，然后采用以下步骤获得目标图像像素点的灰度值：

1)准备在原图像的列方向x坐标方向和行方向y坐标方向上分别以步长stepx，stepy进行插值，stepx＝(n-1)/(N-1)；stepy＝(m-1)/(M-1)，用j表示原图像的行编号，j为0到M-1之间的正整数；

2)在原图像的行方向上进行插值，得到在原图像坐标系中x＝i′×stepx，y＝j的点的灰度值A(i′×stepx，j)，i′为0到N-1之间的正整数，为放大图像的列编号，将得到的插值结果存到数组Cur_Row中，即Cur_Row[i′]＝A(i′×stepx，j)；

3)判断原图像的行数，如果是第0行，即j＝0，继续下一步，如果j≠0，转到6)；

4)将数组Cur_Row中的值赋给目标图像的第0行，即令B(i′，0)＝Cur_Row[i′]，i′为0到N-1之间的正整数；

5)将Cur_Row数组的值赋给Pre_Row数组，即：Pre_Row[i′]＝Cur_Row[i′]，i′为0到N-1之间的正整数，转到7)；

6)令原图像当前的行编号为j，以Pre_Row[i′]，Cur_Row[i′]作为[0，1]区间的两个端点的像素值，即f(0)＝Pre_Row[i′]，f(1)＝Cur_Row[i′]，用整数移位运算和整数加减法进行线性插值，得到目标图像B在x′＝i′，y′＝k的像素灰度值 $B(i^{\&prime;},k)=\tilde{f}(k\&times;\mathrm{stepy}-j+1),$ 其中k×stepy-j+1为[0，1]区间的一个实数，用整数移位运算和整数加减法进行线性插值的具体步骤为：对于[0，1]区间的任何一个实数x，定义p为不大于x×8+0.5的最大整数，如果p为0，则 $\tilde{f}\left(x\right)=f\left(0\right);$ 如果p为1，则 $\tilde{f}\left(x\right)=f\left(0\right)+((f\left(1\right)-f\left(0\right))>>3;$ 如果p为2，则 $\tilde{f}\left(x\right)=f\left(0\right)+((f\left(1\right)-f\left(0\right))>>2;$ 如果p为3，则 $\tilde{f}\left(x\right)=((f\left(0\right)+f\left(1\right))>>1)-((f\left(1\right)-f\left(0\right))>>3);$ 如果p为4，则 $\tilde{f}\left(x\right)=(f\left(0\right)+f\left(1\right))>>1;$ 如果p为5， $\tilde{f}\left(x\right)=((f\left(0\right)+f\left(1\right))>>1)+((f\left(1\right)-f\left(0\right))>>3);$ 如果p为6， $\tilde{f}\left(x\right)=f\left(1\right)+((f\left(0\right)-f\left(1\right))>>2);$ 如果p为7， $\tilde{f}\left(x\right)=f\left(1\right)+((f\left(0\right)-f\left(1\right))>>3;$ 如果p为8， $\tilde{f}\left(x\right)=f\left(1\right);$ 其中＞＞为右移位运算，转到5)；

7)判断下一图像的行数，如果j≤m-1，转到2)，否则结束处理过程。

2.如权利要求1所述的用于图像放大处理过程中的快速双线性插值方法，其特征在于

从原图像到目标图像的映射关系为： $\left\{\begin{array}{c}{x}^{\&prime;}=x\&times;(N-1)/(n-1)\\ y^{\&prime;}=y\&times;(M-1)/(m-1)\end{array}\right..$

3.如权利要求1所述的用于图像放大处理过程中的快速双线性插值方法，其特征在于先在原图像相邻两行的行方向上进行插值，然后对纵坐标位于这两行行号之间的点进行插值。

Images