CN103034973A - 基于双三次插值的自适应图像缩放方法 - Google Patents

Abstract

一种基于双三次插值的自适应图像缩放方法，首先对源图像进行高斯模糊操作，以消除那些在低分辨率情况下无法显示的细节信息，避免缩放图像失真，然后查找目标图像像素点在源图像上的对应像素点位置，自适应选取对应像素点周围m个采样像素点，根据双三次插值函数求出每个采样像素点对应的权重值，根据m个采样像素点的权重值和m个采样像素点的像素值，加权求和得到缩放后的图像的像素值，最后对缩放后的图像进行锐化操作，使图像边缘清晰，得到目标图像。

Description

基于双三次插值的自适应图像缩放方法

技术领域

本发明属于数字图像处理领域，涉及一种自适应图像缩放方法。

背景技术

数字图像缩放是数字图像处理的基本问题，它是指图像分辨率的改变，也称图像分辨率转换或图像尺度变换，在医学、互联网以及多媒体领域得到了广泛应用。图像缩放就是改变图像的分辨率，其过程包括两个主要步骤：首先根据源图像的像素分布以及图像特征，重建一个可以近似表达原图像的连续函数，然后根据目标分辨率对重构函数进行重采样，得到目标图像的像素颜色值。图像缩放主要包括图像的放大和缩小，也称作升采样和降采样。缩小图像的主要目的包括使图像符合显示区域的大小以及生成对应图像的缩略图，如在互联网以及多媒体领域中，高分辨率的图片经常需要在限定的小尺寸范围内显示，这就需要用到图像缩小技术，而放大图像由于不能获得图像的更多信息以及图像的清晰度受到影响而较少用到，但有一些放大算法能够增加图像像素个数从而使目标图像的质量超过原始图像。

目前图像缩放算法主要分为两类，一类是经典的基于像素插值的图像插值算法，最近邻插值算法、双线性插值算法、双三次插值算法等，这些算法易于实现、速度快，但由于插值模型的低通滤波效应，使目标图像中出现锯齿或边缘模糊等现象，如最近邻插值算法会在目标图像边缘出现锯齿，双线性插值算法和双三次插值算法使目标图像整体变的平滑。为保持图像边缘的清晰效果，近几年研究出了另一类基于边缘的图像插值算法，如基于像素面积的缩放算法，该算法使用像素面积模型将像素作为一个小矩形进行处理，完成自适应插值。此外还有一些利用小波变换，分形等进行边缘保护的图像插值算法，但计算量太大，难于硬件实现。

综上所述，双线性、双三次等各种线性插值方法由于速度快易于实现等特点，已成为数字图像缩放应用中常用方法。然而线性插值算法会产生混叠伪影和边缘模糊等问题，有效解决线性插值算法产生的混叠伪影和边缘模糊的问题需要进行深入研究，以期提高缩放后的图像质量。

发明内容

技术问题：针对现有的线性插值缩放算法中尚存的不足和限制，本发明提供了一种能够有效解决现有的线性插值算法中存在的混叠伪影和边缘模糊问题，提高图像视觉效果的基于双三次插值的自适应图像缩放方法。

技术方案：本发明的基于双三次插值的自适应图像缩放方法，包括以下步骤：

1）记录源图像src的宽度sw和高度sh，以及目标图像dst的宽度dw和高度dh；

2）对源图像src进行高斯模糊，得到高斯模糊图像g_blur，

3）根据源图像的高度值sh及目标图像dst的高度值dh，对步骤2）中得到的高斯模糊图像g_blur按列进行双三次自适应插值缩放，得到中间插值图像t_image，具体步骤如下：

对目标图像dst从上向下逐行计算归一化后的行权重xw，归一化后的行权重xw组成行权重数组x_array，然后按列提取步骤2）中得到的高斯模糊图像g_blur中的每一列的像素并按顺序组成列数组inpix，将高斯模糊图像g_blur中第xc列、第xr行像素的上下共xm个像素的像素值分别乘以行权重数组x_array中对应的权重值fxw得到xm个加权结果rx，并将得到的所有加权结果rx相加得到中间像素xp，作为中间插值图像t_image中的第xc列、第xr行的像素，中间像素xp的像素值，即中间插值图像t_image中的第xc列、第xr行的像素值的计算公式为：

$\mathrm{outpix}\left[\mathrm{xr}\right]=\underset{i=-h}{\overset{h}{\mathrm{\Σ}}}\mathrm{inpix}\left[i\right]\×{\mathrm{fxw}}_h$

其中

按上述方法计算得到中间插值图像t_image的所有中间像素xp，组成中间插值图像t_image；

归一化后的行权重xw的计算方法为：

31）求出缩放比例xsca=sh/dh，根据xpos=xd×xsca计算出目标图像dst的第xd行在高斯模糊图像g_blur中的对应位置xpos，

32）求得选取的第一行的行序数

和最后一行的行序数

并计算选取的行个数xm=lpos-fpos+1，

33）令行序数xs分别为fpos，fpos+1，...,lpos，求出行序数xs与xpos在y方向的距离xa，将距离xa除以xsca，得到规范后的行距离xdis，将规范后的行距离xdis代入双三次插值函数：

式中，fxw为双三次插值权重值，B为图像模糊调节程度，C为锯齿现象的调节程度，x₂为输入变量，

确定高斯模糊图像g_blur的调整后的行序数xsn，当xs<0时，xsn=0，当xs>sh-1时，xsn=sh-1，当0≤xs≤sh-1时，xsn=xs，

由目标图像dst行序数xd、高斯模糊图像g_blur的调整后的行序数xsn和双三次插值权重值fxw组成权重元素ew，按上述方法求取所有xm个权重元素ew，由xm个权重元素ew组成目标图像dst第xd行权重xw1，将权重xw1中的双三次插值权重值fxw进行归一化得到归一化后的行权重xw；

4）根据源图像的宽度值sw及目标图像的宽度值dw，对步骤3）中得到的中间插值图像t_image按行进行双三次自适应插值缩放，得到缩放图像r_image，具体步骤如下：

对目标图像dst从上向下逐列计算归一化后的列权重yw，归一化后的列权重组成列权重数组y_array，然后按行提取步骤3）中得到的中间插值图像t_image中的每一行的像素并按顺序组成行数组inpix，将中间插值图像t_image中第yc列、第yr行像素的上下共ym个像素的像素值分别乘以行权重数组y_array中对应的权重值fyw得到ym个加权结果ry，并将得到的所有的加权结果ry相加得到缩放像素yp，作为缩放图像r_image中的第yc列、第yr行的像素，缩放像素yp的像素值，即缩放图像r_image中的第yc列、第yr行的像素值的计算公式为：

$\mathrm{outpix}\left[\mathrm{yr}\right]=\underset{i=-h}{\overset{h}{\mathrm{\&Sigma;}}}\mathrm{inpix}\left[i\right]\&times;{\mathrm{fyw}}_h$

其中

按上述方法计算得到缩放图像r_image的所有缩放像素yp，组成缩放图像r_image；

归一化后的列权重yw的计算方法为：

41）求出缩放比例ysca=sw/dw，根据ypos＝yd×ysca计算出目标图像dst的第yd行在中间插值图像t_image中的对应位置ypos，

42）求得选取的第一列的列序数

和最后一列的列序数

并计算选取的列个数ym=lypos-fypos+1，

43）令列序数ys分别为fypos，fypos+1,...,lypos，求出列序数ys与ypos在x方向的距离ya，将距离ya除以ysca，得到规范后的列距离ydis，将规范后的列距离ydis代入步骤33）中的插值函数，得到双三次插值权重值fyw，

确定中间插值图像t_image的调整后的列序数ysn，当ys<0时，ysn＝0，当ys>sw-1时，ysn＝sw-1，当0≤ys≤sw-1时，ysn=ys，

由目标图像dst列序数yd、中间插值图像t_image的调整后的列序数ysn和双三次插值权重值fyw组成权重元素yew，按上述方法求取所有ym个权重元素yew，由ym个yew组成目标图像dst第yd行权重ywa，将权重ywa中的双三次插值权重值fyw进行归一化得到归一化后的列权重yw，

5）对步骤4）得到的缩放图像r_image进行反遮罩锐化操作，得到目标图像dst。

本发明的步骤2）中，对源图像src进行高斯模糊，得到高斯模糊图像g_blur的具体步骤如下：

21）根据下列的二维高斯分布函数求取高斯模糊权重值，组成高斯操作数矩阵k_data：

$G(x_1,y_1)=\frac{1}{{2\mathrm{\&pi;\&sigma;}}^2}{e}^{-(x_1^2+y_1^2)/\left({2\mathrm{\&sigma;}}^2\right)},$

式中G（x1，y1）为高斯模糊权重值，σ表示高斯分布的标准偏差，σ∈(0,∞)，e为自然对数的底，x₁，y₁分别表示和高斯分布中心在水平和垂直方向的距离，x₁∈[-n，n]，y₁∈[-n，n]，n为卷积窗口半径，n=3×σ，

σ选取一个值，x₁分别取-n，-n+1,...，n，y₁分别取-n，-n+1,...，n，分别代入二维高斯分布函数，得到(2n+1)×(2n+1)个高斯模糊权重值，组成一个高斯操作数矩阵k_data；

22）：逐个获取源图像src的所有像素的高斯模糊像素值，组成高斯模糊图像g_blur，每个像素的高斯模糊像素值的获取方法为：

a）选取源图像src的单个像素周围(2n+1)×(2n+1)个像素，如果(2n+1)×(2n+1)个像素中有超出了源图像src边界的像素，则用与超出了源图像src边界的像素距离最近的边界像素替换超出了源图像src边界的像素后进入步骤b），否则直接进入步骤b）；

b）然后利用(2n+1)×(2n+1)个像素和步骤21）生成的高斯操作数矩阵k_data进行卷积运算；

c）找到(2n+1)×(2n+1)个像素在卷积运算前的最大像素值in_Max和卷积运算后的最大像素值out_Max，根据r=in_Max/out_Max得到r，然后将卷积运算后的得到的像素值乘以r，得到高斯模糊像素值；

本发明的步骤5）中，对步骤4）得到的缩放图像r_image进行反遮罩锐化操作，得到目标图像dst的具体步骤如下：

51）生成缩放图像r_image的模糊图像b_image和高对比度图像h_contrast，具体过程如下：

首先采用步骤2）的高斯模糊方法对步骤4）得到的缩放图像r_image进行高斯模糊，生成锐化高斯模糊图像b_image，然后求取缩放图像r_image的像素均值作为阈值参数T，并根据对比度参数C∈[0,255)，求取调整后的对比度nC=255×255/(255-C)-255，最后根据公式nRGB=RGB+(RGB-T)×C/255得到的值作为高对比度图像h_contrast中每个像素的值，其中RGB代表缩放图像r_image的像素值，nRGB为高对比度图像h_contrast的像素值；

52）把缩放图像r_image减去模糊图像b_image，得到一张差分图像d_image，利用差分图像d_image，逐个计算目标图像dst的所有像素值，最终得到目标图像dst，目标图像dst的像素值计算方法为：

判断差分图像d_image上每个像素值与阈值参数T的大小，如果大于T，则目标图像dst上与差分图像d_image上对应的像素值按照下列公式求取：

dst=r_imge×(1-r)+h_contrast×r，式中比例因子r∈[0,1]，

否则目标图像dst上与差分图像d_image上对应的像素值取缩放图像r_image上对应的像素值。

有益效果：本发明与现有技术相比，具有以下优点：

现有的线性插值算法如最近邻插值、双线性插值和双立方插值等选取目标图像像素在源图像上对应像素周围固定的像素个数，当缩放尺度过大时，丢失很多细节信息，造成目标图像失真，本发明针对这一问题提出了自适应选取源图像上对应像素周围像素个数，根据图像缩放尺度确定选取的像素个数，保证了图像细节信息的完整性，避免图像失真。

另外，针对现有的线性插值算法当缩放尺度过大时容易造成混叠伪影和边缘模糊的问题，本发明通过在缩放图像之前对源图像进行预模糊操作，更好的去除了那些在低分辨率情况下无法显示的细节信息，从而有效避免了混叠伪影现象。同时最后对缩放后的图像进行锐化操作，提高图像清晰度，有效地解决了边缘模糊的问题，取得了很好的视觉效果。

附图说明

图1是本发明提供的基于双三次插值的自适应缩放方法整体流程图。

图2是第一实施例中的行权重计算示意图。

图3是第二实施例中的源图像上的像素选取高斯模糊采样像素的示意图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步描述。

本发明的基于双三次插值的自适应图像缩放方法，在Windows操作系统中通过VS2010平台用C++编程语言实现源图像的缩放流程。我们选取分辨率为512*512的lena图像作为源图像，以此作为实例，基于本发明提出的方法对lena图像缩放到分辨率为128*128并与传统的双三次插值算法进行对比。如果是三通道RGB彩色图像，则以下计算均是针对每个通道单独处理，最后再合并通道得到最终的目标图像。图1是本发明方法整体流程图，具体步骤如下：

1）记录源图像src的宽度sw和高度sh，以及目标图像dst的宽度dw和高度dh；

2）对源图像src进行高斯模糊，得到高斯模糊图像g_blur，

3）根据源图像的高度值sh及目标图像dst的高度值dh，对步骤2）中得到的高斯模糊图像g_blur按列进行双三次自适应插值缩放，得到中间插值图像t_image，具体步骤如下：

对目标图像dst从上向下逐行计算归一化后的行权重xw，归一化后的行权重xw组成行权重数组x_array，然后按列提取步骤2）中得到的高斯模糊图像g_blur中的每一列的像素并按顺序组成列数组inpix，将高斯模糊图像g_blur中第xc列、第xr行像素的上下共xm个像素的像素值分别乘以行权重数组x_array中对应的权重值fxw得到xm个加权结果rx，并将得到的所有加权结果rx相加得到中间像素xp，作为中间插值图像t_image中的第xc列、第xr行的像素，中间像素xp的像素值，即中间插值图像t_image中的第xc列、第xr行的像素值的计算公式为：

$\mathrm{outpix}\left[\mathrm{xr}\right]=\underset{i=-h}{\overset{h}{\mathrm{\&Sigma;}}}\mathrm{inpix}\left[i\right]\&times;{\mathrm{fxw}}_h$

其中

按上述方法计算得到中间插值图像t_image的所有中间像素xp，组成中间插值图像t_image；

图2是计算行权重的示意图，归一化后的行权重xw的计算方法为：

31）求出缩放比例xsca=sh/dh，根据xpos=xd×xsca计算出目标图像dst的第xd行在高斯模糊图像g_blur中的对应位置xpos，

32）求得选取的第一行的行序数

和最后一行的行序数

并计算选取的行个数xm=lpos-fpos+1，

33）如图2所示，令行序数xs分别为fpos，fpos+1,...,lpos，求出行序数xs与xpos在y方向的距离xa，将距离xa除以xsca，得到规范后的行距离xdis，保证xdis在[-2,2]之间，将规范后的行距离xdis代入双三次插值函数：

式中，fxw为双三次插值权重值，B为图像模糊调节程度，B∈[0，1]，B越大图像越模糊，C为锯齿现象的调节程度，C∈[0，1]，C越大锯齿现象越明显，x₂为输入变量，

确定高斯模糊图像g_blur的调整后的行序数xsn，当xs<0时，xsn＝0，当xs>sh-1时，xsn＝sh-1，当0≤xs≤sh-1时，xsn=xs，

由目标图像dst行序数xd、高斯模糊图像g_blur的调整后的行序数xsn和双三次插值权重值fxw组成权重元素ew，按上述方法求取所有xm个权重元素ew，由xm个权重元素ew组成目标图像dst第xd行权重xw1，将权重xw1中的双三次插值权重值fxw进行归一化得到归一化后的行权重xw；

4）根据源图像的宽度值sw及目标图像的宽度值dw，对步骤3）中得到的中间插值图像t_image按行进行双三次自适应插值缩放，得到缩放图像r_image，具体步骤如下：

对目标图像dst从上向下逐列计算归一化后的列权重yw，归一化后的列权重组成列权重数组y_array，然后按行提取步骤3）中得到的中间插值图像t_image中的每一行的像素并按顺序组成行数组inpix，将中间插值图像t_image中第yc列、第yr行像素的上下共ym个像素的像素值分别乘以行权重数组y_array中对应的权重值fyw得到ym个加权结果ry，并将得到的所有的加权结果ry相加得到缩放像素yp，作为缩放图像r_image中的第yc列、第yr行的像素，缩放像素yp的像素值，即缩放图像r_image中的第yc列、第yr行的像素值的计算公式为：

$\mathrm{outpix}\left[\mathrm{yr}\right]=\underset{i=-h}{\overset{h}{\mathrm{\&Sigma;}}}\mathrm{inpix}\left[i\right]\&times;{\mathrm{fyw}}_h$

其中

按上述方法计算得到缩放图像r_image的所有缩放像素yp，组成缩放图像r_image；

归一化后的列权重yw的计算方法为：

41）求出缩放比例ysca=sw/dw，根据ypos＝yd×ysca计算出目标图像dst的第yd行在中间插值图像t_image中的对应位置ypos，

42）求得选取的第一列的列序数

和最后一列的列序数

并计算选取的列个数ym=lypos-fypos+1，

43）令列序数ys分别为fypos，fypos+1,...,lypos，求出列序数ys与ypos在x方向的距离ya，将距离ya除以ysca，得到规范后的列距离ydis，将规范后的列距离ydis代入步骤33）中的插值函数，得到双三次插值权重值fyw，

确定中间插值图像t_image的调整后的列序数ysn，当ys<0时，ysn＝0，当ys>sw-1时，ysn＝sw-1，当0≤ys≤sw-1时，ysn＝ys，

由目标图像dst列序数yd、中间插值图像t_image的调整后的列序数ysn和双三次插值权重值fyw组成权重元素yew，按上述方法求取所有ym个权重元素yew，由ym个yew组成目标图像dst第yd行权重ywa，将权重ywa中的双三次插值权重值fyw进行归一化得到归一化后的列权重yw，

5）对步骤4）得到的缩放图像r_image进行反遮罩锐化操作，得到目标图像dst。

本发明的一个实施例中，步骤2）中的对源图像src进行高斯模糊，得到高斯模糊图像g_blur的具体步骤如下：

21）根据下列的二维高斯分布函数求取高斯模糊权重值，组成高斯操作数矩阵k_data：

$G(x_1,y_1)=\frac{1}{{2\mathrm{\&pi;\&sigma;}}^2}{e}^{-(x_1^2+y_1^2)/\left({2\mathrm{\&sigma;}}^2\right)},$

式中G（x1，y1）为高斯模糊权重值，σ表示高斯分布的标准偏差，σ∈(0,∞)，e为自然对数的底，x₁，y₁分别表示和高斯分布中心在水平和垂直方向的距离，x₁0∈[-n，n]，y₁∈[-n，n]，n为卷积窗口半径，n=3×σ，

σ选取一个值，x₁分别取-n，-n+1,...，n，y₁分别取-n，-n+1,...，n，分别代入二维高斯分布函数，得到(2n+1)×(2n+1)个高斯模糊权重值，组成一个高斯操作数矩阵k_data；

22）逐个获取源图像src的所有像素的高斯模糊像素值，组成高斯模糊图像g_blur，每个像素的高斯模糊像素值的获取方法为：

a）图3是源图像src上的像素选取高斯模糊采样像素的示意图，选取源图像src的单个像素pix，以pix为中心，对称选取pix周围包含pix在内的(2n+1)×(2n+1)个像素，如图3所示，若n=1并且选取（0,0）位置处像素，以（0,0）位置像素为中心，对称选取（-1，-1）、（0，-1）、（1，-1）、（-1，0）、（0，0）、（1，0）、（-1，1）、（0，1）和（1，1）位置共3×3个像素，如果(2n+1)×(2n+1)个像素中有超出了源图像src边界的像素，则用与超出了源图像src边界的像素距离最近的边界像素，即源图像第一行和最后一行或者第一列和最后一列上的像素，替换超出了源图像src边界的像素后进入步骤b），否则直接进入步骤b）；

b）然后利用(2n+1)×(2n+1)个像素和步骤21）生成的高斯操作数矩阵k_data进行卷积运算；

c）找到(2n+1)×(2n+1)个像素在卷积运算前的最大像素值in_Max和卷积运算后的最大像素值out_Max，根据r=in_Max/out_Max得到r，然后将卷积运算后的得到的像素值乘以r，得到高斯模糊像素值；

本发明的另一个实施例的步骤5）中，对步骤4）得到的缩放图像r_image进行反遮罩锐化操作，得到目标图像dst的具体步骤如下：

51）生成缩放图像r_image的模糊图像b_image和高对比度图像h_contrast，具体过程如下：

首先采用步骤2）的高斯模糊方法对步骤4）得到的缩放图像r_image进行高斯模糊，生成锐化高斯模糊图像b_image，然后求取缩放图像r_image的像素均值作为阈值参数T，并根据对比度参数C∈[0,255)，求取调整后的对比度nC=255×255/(255-C)-255，最后根据公式nRGB=RGB+(RGB-T)×C/255得到的值作为高对比度图像h_contrast中每个像素的值，其中RGB代表缩放图像r_image的像素值，nRGB为高对比度图像h_contrast的像素值；

52）用缩放图像r_image第rm行第rn列的像素的像素值减去模糊图像b_image第rm行第rn列像素的像素值得到差分像素dp的像素值，由所有差分像素dp组成一张差分图像d_image，利用差分图像d_image，逐个计算目标图像dst的所有像素值，最终得到目标图像dst，目标图像dst的像素值计算方法为：

判断差分图像d_image上每个像素值与阈值参数T的大小，如果大于T，则目标图像dst上与差分图像d_image上对应的像素值按照下列公式求取：

dst=r_imge×(1-r)+h_contrast×r，式中比例因子r∈[0,1]，否则目标图像dst上与差分图像d_image对应的像素值取缩放图像r_image对应的像素值。

Claims (3)

1.一种基于双三次插值的自适应图像缩放方法，其特征在于，该方法包括以下步骤：

1）记录源图像src的宽度sw和高度sh，以及目标图像dst的宽度dw和高度dh；

2）对源图像src进行高斯模糊，得到高斯模糊图像g_blur，

3）根据源图像的高度值sh及目标图像dst的高度值dh，对所述步骤2）中得到的高斯模糊图像g_blur按列进行双三次自适应插值缩放，得到中间插值图像t_image，具体步骤如下：

对目标图像dst从上向下逐行计算归一化后的行权重xw，所述归一化后的行权重xw组成行权重数组x_array，然后按列提取所述步骤2）中得到的高斯模糊图像g_blur中的每一列的像素并按顺序组成列数组inpix，将所述高斯模糊图像g_blur中第xc列、第xr行像素的上下共xm个像素的像素值分别乘以行权重数组x_array中对应的权重值fxw得到xm个加权结果rx，并将得到的所有加权结果rx相加得到中间像素xp，作为中间插值图像t_image中的第xc列、第xr行的像素，所述中间像素xp的像素值，即中间插值图像t_image中的第xc列、第xr行的像素值的计算公式为：

$\mathrm{outpix}\left[\mathrm{xr}\right]=\underset{i=-h}{\overset{h}{\mathrm{\&Sigma;}}}\mathrm{inpix}\left[i\right]\&times;{\mathrm{fxw}}_h$

其中

按上述方法计算得到中间插值图像t_image的所有中间像素xp，组成中间插值图像t_image；

所述归一化后的行权重xw的计算方法为：

31）求出缩放比例xsca=sh/dh，根据xpos=xd×xsca计算出目标图像dst的第xd行在高斯模糊图像g_blur中的对应位置xpos，

32）求得选取的第一行的行序数和最后一行的行序数

并计算选取的行个数xm=lpos-fpos+1，

33）令行序数xs分别为fpos，fpos+1,...,lpos，求出行序数xs与xpos在y方向的距离xa，将所述距离xa除以xsca，得到规范后的行距离xdis，将所述规范后的行距离xdis代入双三次插值函数：

式中，fxw为双三次插值权重值，B为图像模糊调节程度，C为锯齿现象的调节程度，x₂为输入变量，

确定高斯模糊图像g_blur的调整后的行序数xsn，当xs<0时，xsn＝0，当xs>sh-1时，xsn＝sh-1，当0≤xs≤sh-1时，xsn=xs，

由目标图像dst行序数xd、高斯模糊图像g_blur的调整后的行序数xsn和双三次插值权重值fxw组成权重元素ew，按上述方法求取所有xm个权重元素ew，由所述xm个权重元素ew组成目标图像dst第xd行权重xw1，将所述权重xw1中的双三次插值权重值fxw进行归一化得到所述归一化后的行权重xw；

4）根据源图像的宽度值sw及目标图像的宽度值dw，对所述步骤3）中得到的中间插值图像t_image按行进行双三次自适应插值缩放，得到缩放图像r_image，具体步骤如下：

对目标图像dst从上向下逐列计算归一化后的列权重yw，所述归一化后的列权重组成列权重数组y_array，然后按行提取所述步骤3）中得到的中间插值图像t_image中的每一行的像素并按顺序组成行数组inpix，将所述中间插值图像t_image中第yc列、第yr行像素的上下共ym个像素的像素值分别乘以行权重数组y_array中对应的权重值fyw得到ym个加权结果ry，并将得到的所有的加权结果ry相加得到缩放像素yp，作为缩放图像r_image中的第yc列、第yr行的像素，所述缩放像素yp的像素值，即缩放图像r_image中的第yc列、第yr行的像素值的计算公式为：

$\mathrm{outpix}\left[\mathrm{yr}\right]=\underset{i=-h}{\overset{h}{\mathrm{\&Sigma;}}}\mathrm{inpix}\left[i\right]\&times;{\mathrm{fyw}}_h$

其中

按上述方法计算得到缩放图像r_image的所有缩放像素yp，组成缩放图像r_image；

所述归一化后的列权重yw的计算方法为：

41）求出缩放比例ysca=sw/dw，根据ypos＝yd×ysca计算出目标图像dst的第yd行在中间插值图像t_image中的对应位置ypos，

42）求得选取的第一列的列序数

和最后一列的列序数

并计算选取的列个数ym=lypos-fypos+1，

43）令列序数ys分别为fypos，fypos+1,...,lypos，求出列序数ys与ypos在x方向的距离ya，将所述距离ya除以ysca，得到规范后的列距离ydis，将所述规范后的列距离ydis代入所述步骤33）中的插值函数，得到双三次插值权重值fyw，

确定中间插值图像t_image的调整后的列序数ysn，当ys<0时，ysn＝0，当ys>sw-1时，ysn＝sw-1，当0≤ys≤sw-1时，ysn=ys，

由目标图像dst列序数yd、中间插值图像t_image的调整后的列序数ysn和双三次插值权重值fyw组成权重元素yew，按上述方法求取所有ym个权重元素yew，由所述ym个yew组成目标图像dst第yd行权重ywa，将所述权重ywa中的双三次插值权重值fyw进行归一化得到所述归一化后的列权重yw，

5）对所述步骤4）得到的缩放图像r_image进行反遮罩锐化操作，得到目标图像dst。

2.根据权利要求1所述的基于双三次插值的自适应图像缩放方法，其特征在于，所述步骤2）中，对源图像src进行高斯模糊，得到高斯模糊图像g_blur的具体步骤如下：

21）根据下列的二维高斯分布函数求取高斯模糊权重值，组成高斯操作数矩阵k_data：

$G(x_1,y_1)=\frac{1}{2\mathrm{\&pi;}{\mathrm{\&sigma;}}^2}{e}^{-({x_1}^2+{y_1}^2)/\left({2\mathrm{\&sigma;}}^2\right)},$

式中G（x1，y1）为高斯模糊权重值，σ表示高斯分布的标准偏差，σ∈(0,∞)，e为自然对数的底，x₁，y₁分别表示和高斯分布中心在水平和垂直方向的距离，x₁∈[-n，n]，y₁∈[-n，n]，n为卷积窗口半径，n=3×σ，

σ选取一个值，x₁分别取-n，-n+1,...，n，y₁分别取-n，-n+1,...，n，分别代入所述二维高斯分布函数，得到(2n+1)×(2n+1)个高斯模糊权重值，组成一个高斯操作数矩阵k_data；

22）：逐个获取源图像src的所有像素的高斯模糊像素值，组成高斯模糊图像g_blur，每个像素的高斯模糊像素值的获取方法为：

a）选取源图像src的单个像素周围(2n+1)×(2n+1)个像素，如果所述的(2n+1)×(2n+1)个像素中有超出了源图像src边界的像素，则用与超出了源图像src边界的像素距离最近的边界像素替换所述超出了源图像src边界的像素后进入步骤b），否则直接进入步骤b）；

b）然后利用所述(2n+1)×(2n+1)个像素和所述步骤21）生成的高斯操作数矩阵k_data进行卷积运算；

c）找到所述(2n+1)×(2n+1)个像素在卷积运算前的最大像素值in_Max和卷积运算后的最大像素值out_Max，根据r=in_Max/out_Max得到r，然后将卷积运算后的得到的像素值乘以r，得到高斯模糊像素值；

3.根据权利要求1所述的基于双三次插值的自适应图像缩放方法，其特征在于，所述步骤5）中，对步骤4）得到的缩放图像r_image进行反遮罩锐化操作，得到目标图像dst的具体步骤如下：

51）生成缩放图像r_image的模糊图像b_image和高对比度图像h_contrast，具体过程如下：

首先采用步骤2）的高斯模糊方法对所述步骤4）得到的缩放图像r_image进行高斯模糊，生成锐化高斯模糊图像b_image，然后求取缩放图像r_image的像素均值作为阈值参数T，并根据对比度参数C∈[0,255)，求取调整后的对比度nC=255×255/(255-C)-255，最后根据公式nRGB=RGB+(RGB-T)×C/255得到的值作为高对比度图像h_contrast中每个像素的值，其中RGB代表缩放图像r_image的像素值，nRGB为高对比度图像h_contrast的像素值；

52）把缩放图像r_image减去模糊图像b_image，得到一张差分图像d_image，利用所述差分图像d_image，逐个计算目标图像dst的所有像素值，最终得到目标图像dst，所述目标图像dst的像素值计算方法为：

判断所述差分图像d_image上每个像素值与所述阈值参数T的大小，如果大于T，则目标图像dst上与差分图像d_image对应的像素值按照下列公式求取：

dst=r_imge×(1-r)+h_contrast×r，式中比例因子r∈[0,1]，

否则目标图像dst上与差分图像d_image上对应的像素值取缩放图像r_image对应的像素值。

Images