CN102760281A - 图像缩放方法 - Google Patents

Abstract

本发明涉及一种图像处理方法，本发明公开了一种图像缩放方法，A、建立固定位置和若干数量插值点的加权系数表；B、从计算机上显示的原图像第一行起始，依次获取基础插值算法的最小基数个采样行，此最小基数假定为m；C、对于步骤B中m个采样行依次横向缩放；D、当步骤C完成后得到m个横向经过缩放后的新图像行；E、对原图像采样行位置加一，得到下m个采样行执行步骤C、D，直至原图像采样行取完，得到缩放后的目标图像。本发明降低了运算复杂度，提高了图像缩放的速度。

Description

图像缩放方法

技术领域

本发明涉及一种图像处理方法，尤其涉及一种图像缩放方法。

背景技术

在数字图像和动态视频处理中，图形或图像的缩放操作是一个数学计算相对复杂的环节。此环节中在图像缩放过程需要对图像进行插值运算，现有的插值方法主要有以下几种：最邻近法、双线性插值和双三次样条插值法。不论是哪种方法都需要由目标插值点的坐标和相邻原图像的点(采样点)，构造出一个数学公式，通常是一个以目标插值点的坐标为变量的多项式。每一个目标插值点都需要计算多项式的加权系数，计算复杂度很高，很难满足实时图像处理系统，尤其是图像尺寸较大和刷新频率较高的图像处理系统的要求。

发明内容

针对上述不足，本发明提出一种图像缩放方法，其目的在于降低运算复杂度，提高图像缩放的速度。

为了达到上述目的，本发明有如下技术方案：

本发明的一种图像缩放方法，有以下步骤：

A、建立固定位置和若干数量插值点的加权系数表：

A1、任意获取基础插值算法的最小基数个采样点，由插值目标点的坐标通过复杂的数学计算得到插值目标点的灰度值，转变为不通过插值目标点的坐标计算灰度值，只简单计算采样点之间能够插值的目标点的个数，现假定为n；

A2、在最小基数个采样点定点构造n个固定插值点替代n个实际的目标插值点，即不论实际的目标插值点在采样点之间的那个位置，即坐标，都由构造的n个固定插值点替代；

A3、构造固定插值点：其方法就是使n个固定插值点均匀分布到最小基数个采样点之间；

A4、固定插值点设定后，由基础插值算法计算出每个固定插值点对应的加权系数，构造得到加权系数表；

B、从计算机上显示的原图像第一行起始，依次获取基础插值算法的最小基数个采样行，此最小基数假定为m；

C、对于步骤B中m个采样行依次横向缩放：

C1、对于步骤B中的采样行，从第一个点开始，依次获取插值算法的最小基数个采样点即m个采样点；

C2、根据m个采样点计算出在这些采样点能够插值出几个目标图像点，现假定为n个点；

C3、通过步骤C2计算出的n值，查找加权系数表，获取每个插值点对应的加权系数，根据基础插值算法的运算公式计算出n个插值像素点的灰度值；

C4、采样点位置加一，再次获取m个采样点执行步骤C2、C3，直至采样行的每个点取完为止，这样就完成了采样行的横向缩放；

D、当步骤C完成后得到m个横向经过缩放后的新图像行，其中：

D1、在m个新图像行中，每行取位置相同的一个点，得到m个采样点；

D2、对于步骤D1中获取的m个点执行B2、B3步骤，插值得到插值点，先假设为k个，此k个插值点即为m个采样行经过缩放后k行个相同位置的目标图像点；

D3、对于本步骤D中的新图像行，位置加一，执行步骤D1、D2，直至本步骤D中新图像行的像素点取完，即得到了m个采样行横向和纵向缩放后的目标图像行；

E、对原图像采样行位置加一，得到下m个采样行执行步骤C、D，直至原图像采样行取完，得到缩放后的目标图像。

其中，所述基础插值算法包括线性插值法或三次插值法。

所述基础插值算法：即计算机系统使用的基本插值算法，即在系统中使用哪种插值算法计算目标点的灰度值，如线性插值、三次插值等。本发明对线性插值和三次插值都适用。

插值算法的最小基数：插值算法构造计算公式需要的最小采样点的个数。

构造加权系数表的进一步说明：

构造加权系数表，此表根据基础插值方法和实际需求来确定。以线性插值和固定点均匀分布为例，目标插值点是由相邻两个原图像点插值得到，则查找表的每一项内容就是分布在两个点之间每个固定点的多项式系数即：

当两个点之间插值一个固定点时

m＝1系数为[1/2，1/2]

当两个点之间插值两个固定点时

m＝2系数为[3/2^m，1/2^m]、[1/2^m，3/2^m]

m＝3系数为[7/2^m，1/2^m]、[4/2^m，4/2^m]、[1/2^m，7/2^m]

m＝4系数为[13/2^m，3/2^m]、[9/2^m，7/2^m]、[7/2^m，9/2^m]、[3/2^m，13/2^m]

.

.

.

m＝n系数为[(k*(m-i)-1)/2^m，k*i-1)/2^m]其中k＝2^m/m，i＝1，2，3…m

以上即为放大倍数最大为n时，所构造出了加权系数表。

基础插值算法对应查找表生成说明：

本发明对线性插值和三次插值都适用，以下就两种插值算法对应查找表计算方法加以说明。

1、线性插值。线性插值其采样点个数为2，即每次取两个采样点现假设为(x₀，f₀)，(x₁，f₁)，其中x₀、x₁为采样点的坐标，f₀、f₁为采样点的灰度值，则在这两个采样点之间插值点x_i的灰度值f为

f＝(1-Δx)*f₀+Δx*f₁

其中Δx＝(x_i-X₀)/h，h＝x₁-X₀

通过以上公式可以计算出固定点的系数[1-Δx，Δx]并生成系数查找表。

2、三次插值。三次插值其采样点个数为4，即每次取4个采样点现假设为(x_i，f_i)，(i＝-1，0，1，2)，其中x_i为采样点的坐标，f_i采样点的灰度值，则在这4个采样点之间插值点x的灰度值f为

f＝∑u(x-x_i)*f_i i＝-1，0，1，2

其中

通过以上公式可以计算出固定点的系数[u(s_-1)，u(s₀)，u(s₁)，u(s₂)]并生成加权系数表。

本发明任意获取基础插值算法的最小基数个采样点，由插值目标点的坐标通过复杂的数学计算得到插值目标点的灰度值，转变为不通过插值目标点的坐标计算灰度值，只简单计算采样点之间能够插值的目标点的个数，现假定插值的目标点的个数为n；在最小基数个采样点定点构造n个固定插值点替代n个实际的目标插值点，即不论实际的目标插值点在采样点之间的那个位置(坐标)，都由构造的n个固定插值点替代；构造固定插值点的具体方法多种多样，由实际需求决定，本发明就是使n个固定插值点均匀分布到最小基数个采样点之间；固定插值点设定后，由基础插值算法计算出每个固定插值点对应的加权系数，构造得到加权系数查找表；根据采样点的位置确定采样点之间插值点的个数n，由n查找对应的加权系数表；根据加权系数计算插值点的灰度值。本发明降低了运算复杂度，提高了图像缩放的速度。

附图说明

图1为本发明图像缩放方法的总体流程图；

图2-1为本发明线性插值在最小基数个点中插值一个点的示意图；

图2-2为本发明线性插值在最小基数个点中插值两个点的示意图；

图2-3为本发明线性插值在最小基数个点中插值n个点的示意图；

图3-1为本发明三次插值在4点中插值一个点的示意图；

图3-2为本发明在4个点中插值两个点的示意图；

图3-3为本发明在4个点中插值n个点的示意图。

具体实施方式

以下实施例用于说明本发明，但不用来限制本发明的范围。

参见图1～3，设原图像的大小为MxN，经过缩放后的图像大小为M’xN’，基础插值算法为线性插值，系统最大放大倍数为5。由以上条件可知，系统最小基数采样点为2，最小基数采样行为2，在两个采样点间最多插值出5个点，横向放大倍数为h＝M’/M，纵向放大倍数为v＝N’/N。

构造加权系数查找表A_ij：

当两个点之间插值一个点时，

i＝1系数为[1/2，1/2]，

A₁₁＝[1/2，1/2]

当两个点之间插值两个点时，

i＝2系数为[3/2ⁱ，1/2ⁱ]、[1/2ⁱ，3/2ⁱ]，

A₂₁＝[3/4，1/4]

A₂₂＝[1/4，3/4]

i＝3系数为[7/2ⁱ，1/2ⁱ]、[4/2ⁱ，4/2ⁱ]、[1/2ⁱ，7/2ⁱ]，

A₃₁＝[7/8，1/8]

A₃₂＝[4/8，4/8]

A₃₃＝[1/8，7/8]

i＝4系数为[13/2ⁱ，3/2ⁱ]、[9/2ⁱ，7/2ⁱ]、[7/2ⁱ，9/2ⁱ]、[3/2ⁱ，13/2ⁱ]，

A₄₁＝[13/16，3/16]

A₄₂＝[9/16，7/16]

A₄₃＝[7/16，9/16]

A₄₄＝[3/16，13/16]

i＝5系数为[24/2ⁱ，6/2ⁱ]、[20/2ⁱ，12/2ⁱ]、[16/2ⁱ，16/2ⁱ]、[12/2ⁱ，20/2ⁱ]、[6/2ⁱ，24/2ⁱ]，

即A_ij：

A₁₁＝[1/2，1/2]

A₂₁＝[3/4，1/4]

A₂₂＝[1/4，3/4]

A₃₁＝[7/8，1/8]

A₃₂＝[4/8，4/8]

A₃₃＝[1/8，7/8]

A₄₁＝[13/16，3/16]

A₄₂＝[9/16，7/16]

A₄₃＝[7/16，9/16]

A₄₄＝[3/16，13/16]

A₅₁＝[24/32，6/32]

A₅₂＝[20/32，12/32]

A₅₃＝[16/32，16/32]

A₅₄＝[12/32，20/32]

A₅₅＝[24/32，6/32]

加权系数查找表构造完成；

A、从原图像第一行起始，依次获取2个采样行；

B、对于步骤A中2个采样行依次横向缩放，其步骤如下：

B1、对于步骤A中的采样行，从第一个点开始，依次获取2个采样点；

B2、根据2个采样点计算出在这些采样点能够插值出几个目标图像点，现假定为n个点；

B3、通过步骤B2计算出的n值，查找加权系数表，获取每个插值点对应的加权系数，根据基础插值算法的运算公式计算出n个插值像素点的灰度值Y，

$Y_i=A_{\mathrm{ni}}*\left(\begin{array}{c}S1\\ S2\end{array}\right)i=\mathrm{0,2}\·\·\·n$

其中S1、S2为2个采样点的灰度值，A_ni为n对应的加权系数查找表的子项；

B4、采样点位置加一，再次获取2个采样点执行步骤B2、B3，直至采样行的每个点取完为止，这样就完成了采样行的横向缩放；

C、当步骤B完成后得到m个横向经过缩放后的新图像行；

C1、在m个新图像行中，每行取位置相同的一个点，得到m个采样点；

C2、对于步骤C1中获取的m个点执行步骤B2、B3，插值得到插值点，先假设为k个，此k个插值点即为m个采样行经过缩放后k行个相同位置的目标图像点；

C3、对于步骤C中的新图像行，位置加一，执行C1、C2步骤，直至步骤D中新图像行的像素点取完，即得到了m个采样行横向和纵向缩放后的目标图像行；

E、对原图像采样行位置加一，得到下m个采样行执行C、D步骤，直至原图像采样行取完，得到缩放后的目标图像。

图2-1为线性插值在最小基数个点中插值一个点的示意图。在实际的插值中，不论目标插值点p₁在采样点X_i与X_i+1之间的那个位置其灰度值都由p₁’代替。p₁’的计算系数即为加权系数查找表A_ij当i＝1时的子项。图2-2为在最小基数个点中插值两个点的示意图，p₁’、p₂’的计算系数即为加权系数查找表A_ij当i＝2时的各子项。以此类推图2-3为在最小基数个点中插值n个点的示意图，p₁’、p₂’…p_n’的计算系数即为加权系数查找表A_ij当i＝n时的各子项。p₁’、p₂’…p_n’的具体选取由实际的需求决定，一般选取均匀的分布在最小基数个采样点之间。

图3-1为三次插值在4点中插值一个点的示意图。在实际的插值中，不论目标插值点p₁在采样点X₀与X₁之间的那个位置其灰度值都有p₁’代替。p₁’的计算系数即为加权系数查找表A_ij当i＝1时的子项。图3-2为在4个点中插值两个点的示意图，p₁’、p₂’的计算系数即为加权系数查找表A_ij当i＝2时的各子项。以此类推，图2-3为在4个点中插值n个点的示意图，p₁’、p₂’…p_n’的计算系数即为加权系数查找表A_ij当i＝n时的各子项。p₁’、p₂’…p_n’的具体选取由实际的需求决定，一般选取均匀的分布在4个采样点之间。

以上所述为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围内。

Claims (2)

1.一种图像缩放方法，其特征在于有以下步骤：

A、建立固定位置和若干数量插值点的加权系数表：

A1、任意获取基础插值算法的最小基数个采样点，由插值目标点的坐标通过复杂的数学计算得到插值目标点的灰度值，转变为不通过插值目标点的坐标计算灰度值，只简单计算采样点之间能够插值的目标点的个数，现假定为n；

A2、在最小基数个采样点定点构造n个固定插值点替代n个实际的目标插值点，即不论实际的目标插值点在采样点之间的那个位置，即坐标，都由构造的n个固定插值点替代；

A3、构造固定插值点：其方法就是使n个固定插值点均匀分布到最小基数个采样点之间；

A4、固定插值点设定后，由基础插值算法计算出每个固定插值点对应的加权系数，构造得到加权系数表；

B、从计算机上显示的原图像第一行起始，依次获取基础插值算法的最小基数个采样行，此最小基数假定为m；

C、对于步骤B中m个采样行依次横向缩放：

C1、对于步骤B中的采样行，从第一个点开始，依次获取插值算法的最小基数个采样点即m个采样点；

C2、根据m个采样点计算出在这些采样点能够插值出几个目标图像点，现假定为n个点；

C3、通过步骤C2计算出的n值，查找加权系数表，获取每个插值点对应的加权系数，根据基础插值算法的运算公式计算出n个插值像素点的灰度值；

C4、采样点位置加一，再次获取m个采样点执行步骤C2、C3，直至采样行的每个点取完为止，这样就完成了采样行的横向缩放；

D、当步骤C完成后得到m个横向经过缩放后的新图像行，其中：

D1、在m个新图像行中，每行取位置相同的一个点，得到m个采样点；

D2、对于步骤D1中获取的m个点执行B2、B3步骤，插值得到插值点，先假设为k个，此k个插值点即为m个采样行经过缩放后k行个相同位置的目标图像点；

D3、对于本步骤D中的新图像行，位置加一，执行步骤D1、D2，直至本步骤D中新图像行的像素点取完，即得到了m个采样行横向和纵向缩放后的目标图像行；

E、对原图像采样行位置加一，得到下m个采样行执行步骤C、D，直至原图像采样行取完，得到缩放后的目标图像。

2.根据权利要求1所述的一种图像缩放方法，其特征在于：所述基础插值算法包括线性插值法或三次插值法。

Images