大家好，我是【1+1=王】， 热爱java的计算机（人工智能）渣硕研究生在读。
如果你也对java、人工智能等技术感兴趣，欢迎关注，抱团交流进大厂！！！
Good better best, never let it rest, until good is better, and better best.

近期会把自己本科阶段的一些课程设计、实验报告等分享出来，供大家参考，希望对大家有帮助。

博客更新至专栏【课程设计实验报告】：https://blog.csdn.net/weixin_43598687/category_11640051.html

一、 实验目的

1、 通过编程实现最邻近插值算法。
2、 通过编程实现双线性插值算法。
3、 通过实验掌握图像几何变换的方法。

二、 实验内容

1. 实验任务

在程序中，分别在对应的函数位置添加相应算法的代码，实现最邻近插值算法和双线性插值算法，最后用多张图片和多次操作来反映这两种算法的效果。

2. 程序设计

1） 原理
（1） 最近邻插值法nearest_neighbor是最简单的灰度值插值。也称作零阶插值，就是令变换后像素的灰度值等于距它最近的输入像素的灰度值。换个名字来说就是四舍五入，能够得到距离它最近的像素点，然后通过映射得到插值后的像素值。
（2） 对于一个目的像素，设置坐标通过反向变换得到的浮点坐标为(i+u,j+v) (其中i、j均为浮点坐标的整数部分，u、v为浮点坐标的小数部分，是取值[0,1)区间的浮点数)，则这个像素得值 f(i+u,j+v) 可由原图像中坐标为 (i,j)、(i+1,j)、(i,j+1)、(i+1,j+1)所对应的周围四个像素的值决定，即：
　　 f(i+u,j+v) = (1-u)(1-v)f(i,j) + (1-u)vf(i,j+1) + u(1-v)f(i+1,j) + uvf(i+1,j+1)
公式1
其中f(i,j)表示源图像(i,j)处的的像素值，以此类推。比如，象刚才的例子，现在假如目标图的象素坐标为（1，1），那么反推得到的对应于源图的坐标是（0.75 , 0.75）, 这其实只是一个概念上的虚拟象素,实际在源图中并不存在这样一个象素,那么目标图的象素（1，1）的取值不能够由这个虚拟象素来决定，而只能由源图的这四个象素共同决定：（0，0）（0，1）（1，0）（1，1），而由于（0.75,0.75）离（1，1）要更近一些，那么（1,1）所起的决定作用更大一些，这从公式1中的系数uv=0.75×0.75就可以体现出来，而（0.75,0.75）离（0，0）最远，所以（0，0）所起的决定作用就要小一些，公式中系数为(1-u)(1-v)=0.25×0.25也体现出了这一特点。

2） 流程
（1） 打开VC++6.0，打开工作空间，然后打开project。
（2） 找到最邻近插值函数和双性插值函数，在相应位置添加代码。
（3） 先在GLjInterpolaZoom函数中添加代码，补充完整，先在新图像中循环每一个像素点，i0 = (LONG)(i/ZoomRatio+0.5)；j0 = (LONG)(j/ZoomRatio+0.5)相除得到在源图像中的坐标位置，四舍五入得到最邻近的位置；判断是否在源图像范围内，对于源图像没有的像素，直接赋值为255，否则通过四舍五入得到最邻近像素点的像素值。
（4） 在SInterpolaZoom函数中添加代码，补充完整；先在新图像中循环每一个像素点，lpDst = lpNewDIBBits+ilNewWidth+j得到新图像的像素点，判断是否在源图像范围内，对于源图像没有的像素，直接赋值为255；两个点距离很小，可以直接赋值；先计算源图像的坐标点float x = i/ZoomRatio,y = j/ZoomRatio;再计算左右上下角的点的像素值，f12=f1+(x-i1)(f2-f1)，先对上面两个点进行插值；f34=f3+(x-i2)(f4-f3)对下面两个点进行插值；f34=f3+(x-i2)(f4-f3)对下面两个点进行插值；再对f12和f34进行插值得到最后的值，然后赋值给新图像的像素点。

3） 数据输出

分析：
最临近插值算法，是一种最基本、最简单的图像缩放算法，效果也是最不好的，放大后的图像有很严重的马赛克，缩小后的图像有很严重的失真；效果不好的根源就是其简单的最临近插值方法引入了严重的图像失真，比如，当由目标图的坐标反推得到的源图的的坐标是一个浮点数的时候，采用了四舍五入的方法，直接采用了和这个浮点数最接近的象素的值，这种方法是很不科学的，当推得坐标值为 0.75的时候，不应该就简单的取为1，既然是0.75，比1要小0.25 ，比0要大0.75 ,那么目标象素值其实应该根据这个源图中虚拟的点四周的四个真实的点来按照一定的规律计算出来的，这样才能达到更好的缩放效果。双线型插值算法就是一种比较好的图像缩放算法，它充分的利用了源图中虚拟点四周的四个真实存在的像素值来共同决定目标图中的一个像素值，因此缩放效果比简单的最邻近插值要好很多。

三、 实验环境

1. 操作系统：WINDOWS 10
2. 开发工具：Visual Studio
3. 实验设备：PC

源代码

最邻近插值放大：

//针对图像每行进行操作
		for(i=0;i<lNewHeight;i++)
		{
			//针对图像的每列进行操作
			for(j=0;j<lNewWidth;j++)
			{
				//指向新DIB第i行，第j个像素的指针
				//注意此处宽度和高度是新DIB的宽度和高度
				lpDst=lpNewDIBBits+lNewLineBytes*(lNewHeight-1-i)+j;
				//计算该像素在源DIB中的坐标
				i0=(LONG)(i/ZoomRatio+0.5);
				j0=(LONG)(j/ZoomRatio+0.5);
				//判断是否在源图范围内
				if((j0>=0)&&(j0<lWidth)&&(i0>=0)&&(i0<lHeight))
				{
					//指向源DIB第i0行，第j0个像素的指针
					lpSrc=lpDIBBits+lLineBytes*(lNewHeight-1-i0)+j0;
					//复制像素
					*lpDst=*lpSrc;
				}
				else
				{
					//对于源图中没有的像素，直接赋值为255
					*((unsigned char*)lpDst)=255;
				}
			}
		}
//针对图像每行进行操作
		for(i=0;i<lNewHeight;i++)
		{
			//针对图像的每列进行操作
			for(j=0;j<lNewWidth;j++)
			{
				//指向新DIB第i行，第j个像素的指针
				//注意此处宽度和高度是新DIB的宽度和高度
				lpDst=lpNewDIBBits+lNewLineBytes*(lNewHeight-1-i)+j;
				//计算该像素在源DIB中的坐标
				i0=(LONG)(-((float)j)*fSina+((float)i)*fCosa+f2+0.5);
				j0=(LONG)(((float)j)*fSina+((float)i)*fCosa+f1+0.5);
				//判断是否在源图范围内
				if((j0>=0)&&(j0<lWidth)&&(i0>=0)&&(i0<lHeight))
				{
					//指向源DIB第i0行，第j0个像素的指针
					lpSrc=lpDIBBits+lLineBytes*(lHeight-1-i0)+j0;
					//复制像素
					*lpDst=*lpSrc;
				}
				else
				{
					//对于源图中没有的像素，直接赋值为255
					*((unsigned char*)lpDst)=255;
				}
			}
		}

双线性插值放大：

//针对图像每行进行操作
	for(i=0;i<lNewHeight;i++)
	{
		//针对图像每列进行操作
		for(j=0;j<lNewWidth;j++)
		{
			//指向新DIB第i行，第j个像素的指针
			//注意此处宽度和高度是新DIB的宽度和高度
			lpDst=lpNewDIBBits+lNewLineBytes*(lNewHeight-1-i)+j;
			//计算该像素在源DIB中的坐标
			i0=i/ZoomRatio;
			j0=j/ZoomRatio;
			//计算该像素在源DIB中的坐标
			i1=(LONG) i0;
			i2=i1+1;
			j1=(LONG) j0;
			j2=j1+1;
			//根据不同情况分别处理
			if((j0<0)||(j0>lWidth-1)||(i0<0)||(i0>lHeight-1))
			{
				//要计算的点不在源图范围内，直接返回255
				*lpDst=(unsigned char)255;
			}
			else
			{
				if(fabs(float(j0-lWidth+1))<=EXP)
				{
					//要计算的点在图像右边缘上
					if(fabs(float(i0-lHeight+1))<=EXP)
					{
						//要计算的点正好是图像最右下角那一个像素，直接返回该点像素值
						f1=*(lpDIBBits+lLineBytes*(lHeight-1-i1)+j1);
						*lpDst=(unsigned char)f1;
					}
					else
					{
						//在图像右边缘上且不是最后一点，直接一次插值即可
						f1=*(lpDIBBits+lLineBytes*(lHeight-1-i1)+j1);
						f3=*(lpDIBBits+lLineBytes*(lHeight-1-i2)+j2);
						//返回插值结果
						*lpDst=(unsigned char)(f1+(i0-i1)*(f3-f1));
					}
				}
				else if(fabs(float(i0-lHeight+1))<=EXP)
				{
					//要计算的点在图像下边缘上且不是最后一点，直接一次插值即可
					f1=*(lpDIBBits+lLineBytes*(lHeight-1-i1)+j1);
					f2=*(lpDIBBits+lLineBytes*(lHeight-1-i1)+j2);
					//返回插值结果
					*lpDst=(unsigned char)(f1+(i0-j1)*(f2-f1));
				}
				else
				{
					//计算四个最近像素值
					f1=*(lpDIBBits+lLineBytes*(lHeight-1-i1)+j1);
					f2=*(lpDIBBits+lLineBytes*(lHeight-1-i1)+j2);
					f3=*(lpDIBBits+lLineBytes*(lHeight-1-i2)+j1);
					f4=*(lpDIBBits+lLineBytes*(lHeight-1-i2)+j2);
					//插值1
					f12=(unsigned char)(f1+(j0-j1)*(f2-f1));
					//插值2
					f34=(unsigned char)(f3+(j0-j1)*(f3-f3));
					//插值3
					*lpDst=(unsigned char)(f12+(i0-i1)*(f34-f12));
				}
			}
		}
	}

博客更新至专栏【课程设计实验报告】：https://blog.csdn.net/weixin_43598687/category_11640051.html