主权项 |
一种图像重采样方法,包括以下步骤:(1)计算基础采样结果;(2)计算原图的梯度、差异度、一阶和二阶偏导信息;(3)计算基于原图的修正掩模;计算掩膜的公式如下:WM(x,y)=[G(x,y)·(a·D(x,y)+b)]<sup>2</sup>‑c其中,G(x,y)表示坐标点(x,y)的梯度,D(x,y)表示坐标点(x,y)的差异度,a,b,c为常量,WM的值如落在[0,1]之外的,截断到[0,1]区间;(4)对每个采样点,计算5*5邻域内各点到采样部位的预测灰度值;所述的预测灰度值的计算公式如下:<maths num="0001" id="cmaths0001"><math><![CDATA[<mfenced open = "" close = ""><mtable><mtr><mtd><mrow><msub><mi>I</mi><mi>b</mi></msub><mrow><mo>(</mo><mi>x</mi><mo>+</mo><mi>Δ</mi><mi>x</mi><mo>,</mo><mi>y</mi><mo>+</mo><mi>Δ</mi><mi>y</mi><mo>)</mo></mrow><mo>=</mo><mi>I</mi><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>+</mo><mi>Δ</mi><mi>x</mi><mo>·</mo><msubsup><mi>f</mi><mi>x</mi><mo>′</mo></msubsup><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>+</mo><mi>Δ</mi><mi>y</mi><mo>·</mo><msubsup><mi>f</mi><mi>y</mi><mo>′</mo></msubsup><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow></mrow></mtd></mtr><mtr><mtd><mrow><mo>+</mo><mi>λ</mi><mo>·</mo><mo>[</mo><msup><mrow><mo>(</mo><mi>Δ</mi><mi>x</mi><mo>)</mo></mrow><mn>2</mn></msup><mo>·</mo><msubsup><mi>f</mi><mrow><mi>x</mi><mi>x</mi></mrow><mrow><mo>′</mo><mo>′</mo></mrow></msubsup><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>+</mo><mn>2</mn><mi>Δ</mi><mi>x</mi><mo>·</mo><mi>Δ</mi><mi>y</mi><mo>·</mo><msubsup><mi>f</mi><mrow><mi>x</mi><mi>y</mi></mrow><mrow><mo>′</mo><mo>′</mo></mrow></msubsup><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>+</mo><msup><mrow><mo>(</mo><mi>Δ</mi><mi>y</mi><mo>)</mo></mrow><mn>2</mn></msup><mo>·</mo><msubsup><mi>f</mi><mrow><mi>y</mi><mi>y</mi></mrow><mrow><mo>′</mo><mo>′</mo></mrow></msubsup><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>]</mo></mrow></mtd></mtr></mtable></mfenced>]]></math><img file="FDA0000941357460000011.GIF" wi="1619" he="199" /></maths>I<sub>b</sub>(x+Δx,y+Δy)表示邻域点(x,y)对采样点的预测值,λ是一个常量,I(x,y)表示坐标点(x,y)的灰度值,f′<sub>x</sub>(x,y)为I(x,y)在坐标点(x,y)处对x的一阶偏导,f′<sub>y</sub>(x,y)为I(x,y)在坐标点(x,y)处对y的一阶偏导,f″<sub>xx</sub>(x,y)为I(x,y)在坐标点(x,y)处对x的二阶偏导,f″<sub>yy</sub>(x,y)为I(x,y)在坐标点(x,y)处对y的二阶偏导,f″<sub>xy</sub>(x,y)为I(x,y)在坐标点(x,y)处对x和y的二阶偏导,Δx为x方向上采样点相对于邻域点(x,y)的偏移量,Δy为y方向上采样点相对于邻域点(x,y)的偏移量;(5)综合5*5邻域内各点的梯度、差异度、到采样部位的距离因素,计算各点权重,加权累积得到采样预测值;(6)基于插值所得采样点掩模值,合成最终采样结果。 |