解決影視圖像分辨率問題

一、 圖像放大算法

圖像放大有許多算法，其關(guān)鍵在于對未知像素使用何種插值方式。以下我們將具體分析幾種常見的算法，然后從放大后的圖像是否存在色彩失真，圖像的細(xì)節(jié)是否得到較好的保存，放大過程所需時間是否分配合理等多方面來比較它們的優(yōu)劣。

當(dāng)把一個小圖像放大的時候，比如放大400%，我們可以首先依據(jù)原來的相鄰4個像素點(diǎn)的色彩值，按照放大倍數(shù)找到新的ABCD像素點(diǎn)的位置并進(jìn)行對應(yīng)的填充，但是它們之間存在的大量的像素點(diǎn)，比如p點(diǎn)的色彩值卻是不可知的，需要進(jìn)行估算。

圖1-原始圖像的相鄰4個像素點(diǎn)分布圖

圖2-圖像放大4倍后已知像素分布圖

1、最臨近點(diǎn)插值算法(Nearest Neighbor)

最鄰近點(diǎn)插值算法是最簡單也是速度最快的一種算法，其做法是將放大后未知的像素點(diǎn)P，將其位置換算到原始影像上，與原始的鄰近的4周像素點(diǎn)A,B,C,D做比較，令P點(diǎn)的像素值等于最靠近的鄰近點(diǎn)像素值即可。如上圖中的P點(diǎn)，由于最接近D點(diǎn)，所以就直接取P=D。

這種方法會帶來明顯的失真。在A,B中點(diǎn)處的像素值會突然出現(xiàn)一個跳躍，這就是出現(xiàn)馬賽克和鋸齒等明顯走樣的原因。最臨近插值法唯一的優(yōu)點(diǎn)就是速度快。

2、雙線性插值算法(Bilinear Interpolation)

其做法是將放大后未知的像素點(diǎn)P，將其位置換算到原始影像上，計(jì)算的四個像素點(diǎn)A,B,C,D對P點(diǎn)的影響(越靠近P點(diǎn)取值越大，表明影響也越大)，其示意圖如下。

圖3-雙線性插值算法示意圖

其具體的算法分三步：

第一步插值計(jì)算出AB兩點(diǎn)對P點(diǎn)的影響得到e點(diǎn)的值。

圖4-線性插值算法求值示意圖

對線性插值的理解是這樣的，對于AB兩像素點(diǎn)之間的其它像素點(diǎn)的色彩值，認(rèn)定為直線變化的，要求e點(diǎn)處的值，只需要找到對應(yīng)位置直線上的點(diǎn)即可。換句話說，A,B間任意一點(diǎn)的值只跟A,B有關(guān)。

第二步，插值計(jì)算出CD兩點(diǎn)對P點(diǎn)的影響得到f點(diǎn)的值。

第三步，插值計(jì)算出ef兩點(diǎn)對P點(diǎn)的影響值。

雙線性插值算法由于插值的結(jié)果是連續(xù)的，所以視覺上會比最鄰近點(diǎn)插值算法要好一些，不過運(yùn)算速度稍微要慢一點(diǎn)，如果講究速度，是一個不錯的折衷。

3、雙立方插值算法(Bicubic Interpolation)

雙立方插值算法與雙線性插值算法類似，對于放大后未知的像素點(diǎn)P，將對其影響的范圍擴(kuò)大到鄰近的16個像素點(diǎn)，依據(jù)對P點(diǎn)的遠(yuǎn)近影響進(jìn)行插值計(jì)算，因P點(diǎn)的像素值信息來自16個鄰近點(diǎn)，所以可得到較細(xì)致的影像，不過速度比較慢。

圖5-雙線性插值算法4個鄰近點(diǎn)影響未知點(diǎn)信息示意圖

圖6-雙立方插值算法16個鄰近點(diǎn)影響未知點(diǎn)信息示意圖

不過雙立方插值算法與雙線性插值算法的本質(zhì)區(qū)別不僅在于擴(kuò)大了影響點(diǎn)的范圍，還采用高級的插值算法，如圖所示。

圖7-非線性插值算法求值示意圖

要求A，B兩點(diǎn)之間e點(diǎn)的值，需要利用A,B周圍A-1,A,B,B 1四個點(diǎn)的像素值，通過某種非線性的計(jì)算，得到光滑的曲線，從而算出e點(diǎn)的值來。

所謂“雙”或者叫“二次”的意思就是在計(jì)算了橫向插值影響的基礎(chǔ)上，把上述運(yùn)算拓展到二維空間，再計(jì)算縱向插值影響的意思。

雙立方插值算法能夠得到相對清晰的畫面質(zhì)量，不過計(jì)算量也變大。該算法在現(xiàn)在的眾多圖像處理軟件中最為常用，比如Photoshop,After Effects,Avid,Final Cut Pro等。

為了得到更好的圖像質(zhì)量，在以上的基礎(chǔ)上，許多新的算法不斷涌現(xiàn)，它們使用了更加復(fù)雜的改進(jìn)的插值方式。譬如B樣條（B-SPline）, 米切爾（Mitchell）等插值算法，它們的目的是使插值的曲線顯得更平滑，圖像邊緣的表現(xiàn)更加完美。

4、 自適應(yīng)樣條插值極其增強(qiáng)技術(shù)（ S-Spline & S-Spline XL）

與上述經(jīng)典的插值方法最大的區(qū)別在于， S-Spline 采用了一種自適應(yīng)技術(shù)，那些傳統(tǒng)的方法總是依據(jù)周圍的像素點(diǎn)來求未知點(diǎn)的色彩值，也就是說需要求解的色彩值僅僅依靠該像素點(diǎn)在圖像中的位置，而非實(shí)際的圖像的像素信息，而自適應(yīng)樣條算法還會考慮實(shí)際圖像的像素信息。 實(shí)驗(yàn)表明，經(jīng)過 S-Spline 算法得到的圖像效果要優(yōu)于雙立方插值算法。

現(xiàn)在 S-Spline 算法又出現(xiàn)了增強(qiáng)版 S-Spline XL，新版本的 S-Spline XL 算法較 S-Spline 而言畫面的銳度得到進(jìn)一步增強(qiáng)，物體的輪廓更加清晰，邊緣的鋸齒現(xiàn)象大大減弱，圖像感受更加自然。

二、 圖像放大算法 實(shí)際測試

現(xiàn)在我們來對以上幾種插值算法進(jìn)行實(shí)際測試，看看它們的效果。首先打開原始的圖像bird.jpg.這是一個分辨率為360