图像处理之线性插值旋转算法(biline-interpolation rotate algorithm)

简介: 图像处理之线性插值旋转算法(biline-interpolation rotate algorithm)

图像处理之线性插值旋转算法

基本数学知识:

1.      三角函数基本知识,sin, cosin

2.      反三角函数基本知识,知道任意一点坐标P(x, y)求取该点的角度a = atag2(y/x)

3.      极坐标与笛卡尔坐标系转换知识

图像旋转矩阵:由此可以计算图像旋转以后的新的高度与宽度。

1352293787_9806.png

相关算法:

双线性插值算法,实现图像旋转反锯齿效果,同时是一种高质量的图像图像旋转方法,


缺点是计算量比较大。但是对现在的计算机硬件来说,速度还可以。


关于角度旋转:


1.      90度,180度,270度可以直接旋转坐标取得,像素直接映射取得。


2.      对于任何角度angle可以如下处理n = mod(angle, 90) = 1, 2, 3, 然后


       将角度旋转90,180,270然后再旋转角度(angle– n * 90)。


程序实现:


1.      首先根据输入角度参数angle, 背景填充颜色bgcolor初始化


2.      计算出旋转以后的图像width与height


3.      循环每个输出像素,计算机坐标


4.      反旋转输入角度到输入的目标像素浮点数坐标


5.      使用双线性插值完成目标像素填充,如果不在范围之内填充背景色。


6.      得到输出像素数据,返回旋转后图像


原图:

1352293914_3836.jpg



旋转45度的效果,背景填充为灰色:

1352293955_5742.png



程序代码(特殊角度旋转自己实现吧,有点懒)

package com.gloomyfish.filter.study;
 
import java.awt.Color;
import java.awt.image.BufferedImage;
import java.awt.image.ColorModel;
 
public class RotateFilter extends AbstractBufferedImageOp {
  private double angle;
  private Color background;
  private int outw;
  private int outh;
  
  public RotateFilter() {
    this.angle = (45.0d/180.0d) * Math.PI;
    background = Color.BLACK;
    outw = -1;
    outh = -1;
  }
  
  public void setDegree(double angle) {
    this.angle = (angle/180.0d) * Math.PI;
  }
  
  public void setBackgroud(Color background) {
    this.background = background;
  }
  
    public BufferedImage createCompatibleDestImage(BufferedImage src, ColorModel dstCM) {
        if ( dstCM == null )
            dstCM = src.getColorModel();
        return new BufferedImage(dstCM, dstCM.createCompatibleWritableRaster(outw, outh), dstCM.isAlphaPremultiplied(), null);
    }
 
  @Override
  public BufferedImage filter(BufferedImage src, BufferedImage dest) {
    int width = src.getWidth();
        int height = src.getHeight();
 
        int[] inPixels = new int[width*height];
        outw = (int)(width*Math.cos(angle)+height*Math.sin(angle)); 
        outh = (int)(height*Math.cos(angle)+width*Math.sin(angle));
        System.out.println("after rotate, new width : " + outw);
        System.out.println("after rotate, new height: " + outh);
        
        int[] outPixels = new int[outw*outh];
        getRGB( src, 0, 0, width, height, inPixels );
        int index = 0;
        
        int centerPixel = inPixels[height/2 * width + width/2];
        
        // calculate new center coordinate
        float centerX = outw / 2.0f + 0.5f;
        float centerY = outh /2.0f + 0.5f;
        
        // calculate the original center coordinate
        float ocenterX = width / 2.0f + 0.5f;
        float ocenterY = height /2.0f + 0.5f;
        
        float rx =0, ry = 0; //after rotated coordinate
        float px = 0, py = 0; // original coordinate
        float prow = 0, pcol = 0;
        for(int row=0; row<outh; row++) {
          for(int col=0; col<outw; col++) {
            rx = col - centerX;
            ry = centerY - row;
            float fDistance = (float)Math.sqrt(rx * rx + ry * ry);
            float fPolarAngle = 0; //;
            if(rx != 0) {
              fPolarAngle = (float)Math.atan2((double)ry, (double)rx);
            } else {
              if(rx == 0) {
                if(ry == 0) {
                  outPixels[index] = centerPixel;
                  continue; 
                } 
                else if(ry < 0) {
                    fPolarAngle = 1.5f * (float)Math.PI;
                  } else {
                    fPolarAngle = 0.5f * (float)Math.PI;
                  }
              }
            }
            
            // "reverse" rotate, so minus instead of plus
                fPolarAngle -= angle;
                px = fDistance * (float)Math.cos(fPolarAngle);
                py = fDistance * (float)Math.sin(fPolarAngle);
 
                // get original pixel float point
                prow = ((float)ocenterY) - py;
                pcol = ((float)ocenterX) + px;
 
                // now start the biline-interpolation algorithm here!!!
                int[] rgb = bilineInterpolation(inPixels, width, height, prow, pcol);
                
                index = row * outw + col;
                outPixels[index] = (255 << 24) | (rgb[0] << 16) | (rgb[1] << 8) | rgb[2];
                
          }
        }
 
        if ( dest == null )
          dest = createCompatibleDestImage( src, null );
        setRGB( dest, 0, 0, outw, outh, outPixels );
        return dest;
  }
 
  private int[] bilineInterpolation(int[] input, int width, int height, float prow, float pcol) {
    double row = Math.floor(prow);
    double col = Math.floor(pcol);
    if(row < 0 || row >= height) {
      return new int[]{background.getRed(), background.getGreen(), background.getBlue()};
    }
    if(col < 0 || col >= width) {
      return new int[]{background.getRed(), background.getGreen(), background.getBlue()};
    }
    
    int rowNext = (int)row + 1, colNext = (int)col + 1;
    if((row + 1) >= height) {
      rowNext = (int)row;
    }
    
    if((col + 1) >= width) {
      colNext = (int)col;
    }
    double t = prow - row;
    double u = pcol - col;
    double coffiecent1 = (1.0d-t)*(1.0d-u);
    double coffiecent2 = (t)*(1.0d-u);
    double coffiecent3 = t*u;
    double coffiecent4 = (1.0d-t)*u;
    
    int index1 = (int)(row * width + col);
    int index2 = (int)(row * width + colNext);
    
    int index3 = (int)(rowNext * width + col);
    int index4 = (int)(rowNext * width + colNext);
    int tr1, tr2, tr3, tr4;
    int tg1, tg2, tg3, tg4;
    int tb1, tb2, tb3, tb4;
    
        tr1 = (input[index1] >> 16) & 0xff;
        tg1 = (input[index1] >> 8) & 0xff;
        tb1 = input[index1] & 0xff;
        
        tr2 = (input[index2] >> 16) & 0xff;
        tg2 = (input[index2] >> 8) & 0xff;
        tb2 = input[index2] & 0xff;
        
        tr3 = (input[index3] >> 16) & 0xff;
        tg3 = (input[index3] >> 8) & 0xff;
        tb3 = input[index3] & 0xff;
        
        tr4 = (input[index4] >> 16) & 0xff;
        tg4 = (input[index4] >> 8) & 0xff;
        tb4 = input[index4] & 0xff;
 
        int tr = (int)(tr1 * coffiecent1 + tr2 * coffiecent4 + tr3 * coffiecent2 + tr4 * coffiecent3);
        int tg = (int)(tg1 * coffiecent1 + tg2 * coffiecent4 + tg3 * coffiecent2 + tg4 * coffiecent3);
        int tb = (int)(tb1 * coffiecent1 + tb2 * coffiecent4 + tb3 * coffiecent2 + tb4 * coffiecent3);
 
    return new int[]{tr, tg, tb};
  }
 
}

转载请务必注明

相关文章
|
5月前
|
算法 计算机视觉
图像处理之积分图应用四(基于局部均值的图像二值化算法)
图像处理之积分图应用四(基于局部均值的图像二值化算法)
536 0
|
5月前
|
监控 算法 图计算
图像处理之积分图应用三(基于NCC快速相似度匹配算法)
图像处理之积分图应用三(基于NCC快速相似度匹配算法)
73 0
|
3月前
|
机器学习/深度学习 算法 网络性能优化
【博士每天一篇文献-算法】A brain-inspired algorithm that mitigates catastrophic forgetting of
本文提出了一种受大脑启发的神经调节辅助信用分配(NACA)算法,该算法通过模拟大脑中的神经调节机制,有效减轻了人工神经网络(ANNs)和脉冲神经网络(SNNs)在学习过程中的灾难性遗忘问题,并具有较低的计算成本。
52 1
|
5月前
|
存储 机器学习/深度学习 算法
python 五种算法转置后翻转、层次旋转、递归分块、一次性旋转、环状替换 实现旋转图像【力扣题48】
python 五种算法转置后翻转、层次旋转、递归分块、一次性旋转、环状替换 实现旋转图像【力扣题48】
|
5月前
|
算法 Java 计算机视觉
图像处理之积分图算法
图像处理之积分图算法
64 2
|
5月前
|
算法
【经典LeetCode算法题目专栏分类】【第6期】二分查找系列:x的平方根、有效完全平方数、搜索二位矩阵、寻找旋转排序数组最小值
【经典LeetCode算法题目专栏分类】【第6期】二分查找系列:x的平方根、有效完全平方数、搜索二位矩阵、寻找旋转排序数组最小值
|
5月前
|
资源调度 算法 计算机视觉
图像处理之积分图应用二(快速边缘保留滤波算法)
图像处理之积分图应用二(快速边缘保留滤波算法)
36 0
|
5月前
|
算法 BI 计算机视觉
图像处理之积分图应用一(半径无关的快速模糊算法)
图像处理之积分图应用一(半径无关的快速模糊算法)
44 0
|
24天前
|
算法 安全 数据安全/隐私保护
基于game-based算法的动态频谱访问matlab仿真
本算法展示了在认知无线电网络中,通过游戏理论优化动态频谱访问,提高频谱利用率和物理层安全性。程序运行效果包括负载因子、传输功率、信噪比对用户效用和保密率的影响分析。软件版本:Matlab 2022a。完整代码包含详细中文注释和操作视频。
|
9天前
|
算法 数据挖掘 数据安全/隐私保护
基于FCM模糊聚类算法的图像分割matlab仿真
本项目展示了基于模糊C均值(FCM)算法的图像分割技术。算法运行效果良好,无水印。使用MATLAB 2022a开发,提供完整代码及中文注释,附带操作步骤视频。FCM算法通过隶属度矩阵和聚类中心矩阵实现图像分割,适用于灰度和彩色图像,广泛应用于医学影像、遥感图像等领域。