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(fù)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(shí)際應(yīng)用并不廣泛。為克服以上缺陷，提出了一種先將圖像進(jìn)行區(qū)域劃分，然后再進(jìn)行快速圖像插值的算法，既保證了算法較低的復(fù)雜度，又優(yōu)化了圖像顯示效果，適合實(shí)際應(yīng)用。
關(guān)鍵詞： 圖像插值； 圖像處理； 線性插值

    目前計算機(jī)技術(shù)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(shù)的應(yīng)用也越來越廣泛，如航空和航天技術(shù)、生物醫(yī)學(xué)工程、通信工程、工業(yè)和工程、軍事公安以及文化藝術(shù)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(jī)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(jìn)行放大、提高其分辨率的處理。圖像插值技術(shù)就是運(yùn)用軟件技術(shù)來提高圖像分辨率的有效方法，其相對于一些硬件技術(shù)具有更節(jié)約、更有發(fā)展前景等優(yōu)勢。
    自20世紀(jì)60年代提出數(shù)字圖像插值技術(shù)之后，已出現(xiàn)了很多種插值技術(shù)，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(diǎn)灰度值就等于其映射到的位置最近像素點(diǎn)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(diǎn)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(quán)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(jìn)圖像模糊這一點(diǎn)，但是其運(yùn)算量大，得不到實(shí)時應(yīng)用。根據(jù)以上各算法的優(yōu)缺點(diǎn)，本文提出了一種較快速的簡單插值算法，試驗(yàn)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(diǎn)進(jìn)行插值，再對行列之和為奇數(shù)的點(diǎn)進(jìn)行插值。對于兩步中的不同類插值點(diǎn)分別采用不同的方法來進(jìn)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(jìn)行區(qū)域的劃分，在此基礎(chǔ)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(diǎn)灰度值相差不大的特性來取周圍點(diǎn)灰度值的平均值為插值點(diǎn)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(diǎn)，其周圍4個原圖像像素點(diǎn)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(diǎn)，I3是屬于兩個水平的區(qū)域之間的插值點(diǎn)。為了使圖像邊緣平滑，可以采用方向加權(quán)平均法的線性插值方法。 設(shè)周圍4個原圖像的像素點(diǎn)灰度值分別為f(B1)、 f(B2)、f(C1)和f(C2)，則插值點(diǎn)的灰度值為：
    

2 實(shí)驗(yàn)結(jié)果及對比
    在實(shí)驗(yàn)中，用支持本文的項(xiàng)目“數(shù)控切割、沖孔系統(tǒng)的設(shè)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(fù)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(diǎn)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(guān)性插值來抑制模糊的效果的產(chǎn)生，實(shí)現(xiàn)簡單，較適合實(shí)際的應(yīng)用。
參考文獻(xiàn)
[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(shù)綜述[J]. 計算機(jī)工程與設(shè)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.