插值在图像缩放中的应用+文献综述(3)
（6）为完成图像几何变换而进行的图像重采样，如：卫星遥感图像的几何校正和医学切片图像的坐标变换。
1.4 图像插值技术及方法概述
图像在数字化时，每一像素对应于原稿上的某一个小区域(小方块)；图像数字化后，每一像素在各个主通道中均占有一个固定的位置，并被赋予—个确定的灰度值，这个灰度值代表了对应小区域的平均亮度或平均反射密度，其位置可认为是该小区域的中心。因此，数字图像的像素就像棋盘上的一个个交叉点。在图像处理中，有时需求得两个交叉点之间的灰度值，这称为重新采样，比如当改变图像的物理尺寸或分辨率以及进行几何变换操作时需要进行这样的计算。
由此可知，图像插值就是根据原始低分辨率图像数据生成更高分辨率的图像数据。这可分为两类问题：
①图像内的插值(图像放大)；
②图像间的插值(医学切片序列成像)。
图像插值过程实际上是利用已有的像素点来估计与这些像素点相邻的未知像素的值。失真图是数字图像、其像素值仅在坐标整数处有定义，所以在非整数处的像素值就要用其周围一些整数处的像素来计算，这叫灰度插值。由于放大图像时产生了新的像素，以及浮点数的操作，得到的坐标可能并不是整数，更精确的做法是采用插值，即利用邻域的像素来估计新的像素值。
图像插值技术主要有线性和非线性两种。目前，图像插值方法主要有传统简单插值算法和基于边缘方向插值法等。常见的传统插值方法有最近邻域法、双线性插值法和双三次插值法，这些传统插值算法的基本原理相同，首先需要找到与输出图像像素相对应的输入图像点，然后再通过计算该点附近某一像素集合的加权平均值来指定输出像素的灰度值，其他像素都不考虑。
传统插值算法是在静态图像上利用局部信息进行线性插值或样条函数插值，算法模型简单，能达到较好的视觉效果，但是，因为它们不能很好地处理图像中剧烈跳变的局部特征，如：边缘、纹理等细节，导致图像模糊不清。因此有必要对其进行改进。
经典的插值技术，是基于数字卷积的线性移不变插值。对于带宽有限信号，线性移不变插值的重建结果是精确的。但数字图像通常不满足信号频谱严格带宽有限条件，线性移不变插值技术遇到了保持图像边缘清晰与图像背景平滑的矛盾，插值重建结果精度低，因而不能满足主观视觉要求。
基于边缘方向插值算法主要有两种方式，一种是通过阈值控制方式先确定图像边缘，然后利用边缘像素自适应插值；另一种是通过边缘检测方法先确定图像边缘，然后利用边缘像素高、低分辨率图像局部方差之间存在的对偶性实现自适应非线性插值，或基于线性预测模型的边缘保持插值算法等。这些算法明显的改善了图像边缘的模糊效应，但都存在需重新建立数学模型，或本身模型较复杂，运算速度慢的缺点。在网络传输，多媒体通信过程中，因为数字图像、录影序列等本身数据信息量就很大，网络带宽有限和硬件设备的制约，使这些算法达不到快速插值图像的目的。
同时，随着数字技术的高速发展，彩色图像的处理和显示设备在生活和工作中已必不可少。有关彩色图像处理的研究已经成为一个非常活跃的研究领域，因而如何提高彩色图像的插值速度和高分辨率图像的质量是需要仔细研究的课题。
1.5 研究内容
本文主要研究内容分为两部分：1、对传统插值算法进行研究和分析，并对上述算法进行实现，对结果进行比较分析；2、分析研究并实现基于细化边缘的图像放大算法。