摘 要： 圖像插值是將低分辨率圖像放大后提高視覺效果的有效方法，傳統(tǒng)算法中有較簡單且算法復雜度小的方法，但插值后的圖像常常有鋸齒邊緣或者效果模糊，因而實際應用并不廣泛。為克服以上缺陷，提出了一種先將圖像進行區(qū)域劃分，然后再進行快速圖像插值的算法，既保證了算法較低的復雜度，又優(yōu)化了圖像顯示效果，適合實際應用。
關鍵詞： 圖像插值； 圖像處理； 線性插值
目前計算機技術已經(jīng)發(fā)展到了一定的水平，伴隨其產(chǎn)生的數(shù)字圖像處理技術的應用也越來越廣泛，如航空和航天技術、生物醫(yī)學工程、通信工程、工業(yè)和工程、軍事公安以及文化藝術等方面。在工業(yè)和工程中的數(shù)字、智能化生產(chǎn)中，對數(shù)字圖像的質(zhì)量要求越來越高，有些直接用攝像頭、照相機采集到的圖像數(shù)據(jù)并不能直接使用，其中最常見的一種處理步驟就是要對已采集到的數(shù)字圖像進行放大、提高其分辨率的處理。圖像插值技術就是運用軟件技術來提高圖像分辨率的有效方法，其相對于一些硬件技術具有更節(jié)約、更有發(fā)展前景等優(yōu)勢。
自20世紀60年代提出數(shù)字圖像插值技術之后，已出現(xiàn)了很多種插值技術，如最近鄰插值算法、雙線性插值算法和雙立方插值算法等[2-4]。其中，最近鄰插值算法是最簡單的一種插值算法，它也稱作零階插值，它所求的插值點灰度值就等于其映射到的位置最近像素點的灰度值，但是其插值后圖像常常帶有鋸齒形的邊。雙線性插值算法也稱作一階插值算法，其插值點的像素值是計算它附近的2×2區(qū)域的4個鄰近像素值的加權平均而得來的。相對于最近鄰插值，雙線性插值可以很好地抑制鋸齒的出現(xiàn)，它可以得到一個具有連續(xù)性和連通性的光滑映射，但是圖像也會因此變得模糊。雙立方插值可以改進圖像模糊這一點，但是其運算量大，得不到實時應用。根據(jù)以上各算法的優(yōu)缺點，本文提出了一種較快速的簡單插值算法，試驗證明，該算法既可以抑制邊緣鋸齒，又可以提高圖像的質(zhì)量。
1 插值算法
本文先通過較快速、簡便的算法找出圖像的大概邊緣程度，再根據(jù)此邊緣程度信息來劃分區(qū)域后作插值算法。在插值過程中采用兩步來插值，即先對行列之和為偶數(shù)的點進行插值，再對行列之和為奇數(shù)的點進行插值。對于兩步中的不同類插值點分別采用不同的方法來進行插值。
1.1 區(qū)域劃分
由于一般圖像除了少數(shù)地方存在菱角外，其他大部分都是緩慢變化的區(qū)域，因此可以對待插值的圖像先進行區(qū)域的劃分，在此基礎上插值后的圖像就能抑制鋸齒邊緣的現(xiàn)象。本文采用Sobel算子和類Sobel算子來檢測圖像的邊界程度，對于豎直和水平方向的邊界程度可以直接用Sobel算子來檢測，如式(1)所示；對于45°和135°方向的邊界程度就用類似于Sobel算子檢測[1]，如式(2)所示。
式(3)就是根據(jù)同一區(qū)域像素點灰度值相差不大的特性來取周圍點灰度值的平均值為插值點的灰度值，其方法等同于雙線性插值方法。
對于I2和I3這類的插值點，其周圍4個原圖像像素點屬于不同的區(qū)域，其中I2是屬于兩個豎直區(qū)域之間的插值點，I3是屬于兩個水平的區(qū)域之間的插值點。為了使圖像邊緣平滑，可以采用方向加權平均法的線性插值方法。 設周圍4個原圖像的像素點灰度值分別為f(B1)、 f(B2)、f(C1)和f(C2)，則插值點的灰度值為：
2 實驗結(jié)果及對比
在實驗中，用支持本文的項目“數(shù)控切割、沖孔系統(tǒng)的設計”中要用到的印花灰度圖像為測試圖像，使用的原圖像大小為137×154,放大2×2倍。用Visual Studio 2010環(huán)境編寫算法，分別用最近鄰法和雙線性法與本文算法的結(jié)果作對比，效果如圖3所示。
從圖3可以看出，最近鄰插值法放大處理后的圖像在邊緣出現(xiàn)了明顯的鋸齒；雙線性插值法處理圖像雖然沒有鋸齒，但是變得模糊不清了；而用本文方法處理后的圖像很好地抑制了邊緣鋸齒現(xiàn)象，同時，也沒有過于模糊的現(xiàn)象，在算法復雜度上也沒有雙立方插值那樣麻煩，是一種較方便快速的插值方法。
本文根據(jù)傳統(tǒng)算法的各自優(yōu)缺點提出一種適合的、綜合的快速插值方法，該算法在計算量上近似于雙線性插值，用分區(qū)插值來抑制邊界鋸齒現(xiàn)象的產(chǎn)生，根據(jù)各區(qū)域像素相關性插值來抑制模糊的效果的產(chǎn)生，實現(xiàn)簡單，較適合實際的應用。
參考文獻
[1] BOVIK A. Handbook of image and video processing(2en ed)[M]. Beijing: Publishing House of Electronics Industry, 2006.
[2] AKYAMA M T. Clustering approach algorithm for image interpolation[R]. Proceedings of the 27th Annual ACM Symposium on Applied Computing, 2012.
[3] 符祥，郭寶龍. 圖像插值技術綜述[J]. 計算機工程與設計，2009,30(1)：128-144.
[4] 黨向盈. 基于傳統(tǒng)插值的最佳插值算法分析[J]. 黑龍江科技信息，2008,11(31):4.
[5] STORN R, PRICE K. Minamizing the real functions of the ICEC’96 contest by differential evolution[C]. Proceedings of IEEE International Conference on Evolutionary Computation, Nagoya, 1996:842-844.