【Halcon】插值算法通俗讲解

一、灰度值插值的概念

灰度值插值是图像变换所必需的方法，因为图像不是连续的函数，而是数字化的，即由与(离散的)灰度值相关联的像素组成。下图中，输出图像的结果像素不再完全对应于输入图像的一个像素。

插值就是解决这种情况，用已知的数据来估计结果像素的灰度值应该为多少，才不会让原始图像和结果图像在灰度值上有太大的差异。

以下介绍几种常用的插值算法：最近邻插值法（nearest_neighbor）、双线性插值法（bilinear）、等权双线性插值法（constant）、高斯加权双线性插值法（weighted）、双三次插值法（bicubic）

二、最近邻插值法

方法一：最近邻插值法（最简单, 最快, 效果最差, 因此只用于时间要求严格的应用程序）

原理：将原始图像中中心最接近结果像素中心的灰度值赋给结果像素，如下图：

旋转后的像素，将把红框的那个像素灰度值作为自己的灰度值

三、双线性插值法

方法二：双线性插值法（结果图像的像素灰度值受到原始图像四个相邻像素的影响，所以结果图像会比最近邻插值法更加平滑(可以认为看起来更加自然)，同时需要更长的计算时间）

原理：由周围的四个相邻像素确定，如下图：

具体的计算公式如下：

式中，像素中心点之间的距离是归一化的，也就是说，将原始图像的四个像素中心连成的正方形，边长为1。a、b表示距离，图中易知；h表示灰度值。

注意：最近邻插值法和双线性插值只用于旋转和放大，对于缩小的变换，不建议使用，会出现混叠的情况。要解决这一问题，就需要在图像缩放之前进行平滑处理，利于均值或者高斯滤波，而 ‘constant’ 和 ‘weighted’ 就是融入了这两种平滑方式的插值算法。

四、等权双线性插值法

方法三：等权双线性插值法（对于图像缩小的情况，由于需要进行平滑处理，因此其计算时间比双线性插值算法多；如果是图像放大，则计算时间与双线性插值相同）

原理： 如下图，先将像素进行次采样得到次像素，次像素分别进行双线性插值得到各自的灰度值，最后用所有次像素的灰度值平均值来作为这个像素的灰度值。

五、高斯加权双线性插值法

方法四：高斯加权双线性插值法（对于图像缩小的情况，由于需要进行平滑处理，且次采样后的次像素比等权双线性插值法多，因此其计算时间比前面两者多；如果是图像放大，则计算时间与双线性插值相同）

原理：与等权双线性插值法类似，但是会被划分成3*3的次像素，且每个次像素在贡献自己的灰度值时，权重不一样，与高斯平滑的掩膜相同。

六、双三次插值法

特点：没有平滑效果，也是只支持旋转和放大，处理效果比最近邻插值法好很多；如果图像只旋转，那么处理效果与双线性插值差不多，如果是旋转+放大，那么处理效果比双线性插值好很多。但是计算时间更长

七、五种插值算比较

所以在选用插值算法的时候，要综合考虑图像的变换情况，处理时间，处理质量等诸多方面。