基于matab的scaler实现

基于MATLAB的scaler 实现
By Aaron
一．引言
在scaler算法中，总共有好几种算法能够实现。

比如最邻近算法，双线性插值算法，双三次插值算法，分形算法，小波变化等。

但是综合考虑到硬件实现的资源性，以及实现起来的速度性，往往不是算法最复杂，实现图像效果最好的算法即是最好的。

这需要在资源、速度、效果三者之间权衡。

对于一般硬件实现来说采取双线性算法就可以满足大多数要求了。

但是特殊情况特殊对待，不能一概而论。

接下来就最邻近插值算法和双线性插值算法在matlab上实现。

对比起效果。

最终需要转化为verilog语言，并在FPGA上实现。

二．最邻近插值算法
（一）.实现算法原理
最临近点插值是最简便的插值算法, 它以插值像素点周围离最近的己知像素的灰度值作为插值像素点的灰度值, 所以又称为像素复写或零阶保持插值。

如图1 所示, 设( i, j ) , ( i, j + 1) , ( i+ 1, j ) , ( i+ 1,j + 1) 是灰度插值前的一个四点邻域, 其灰度值分别为g( i , j ) , g( i, j + 1) , g( i + 1, j ) , g( i + 1, j + 1) 。

最近领域法是比较( u, v) 点和( i , j ) , ( i , j + 1) , ( i+1, j ) , ( i+ 1, j + 1) 四点之间的距离, 然后以与( u, v) 点最近的那点的灰度值作为( u, v ) 点的灰度值[ 2] 。

将两点之间的距离记为D[ ( u, v ) , ( i , j ) ] , 则上述四点与( u, v)点最近距离可由下式求得:D[ ( u, v) , ( i, j ) ] = min{D[ ( u, v) , ( i, j ) ] ,D[ ( u, v) , ( i, j + 1) ] , D[ ( u, v ) , ( i+ 1, j ) ] ,D[ ( u, v ) , ( i + 1, j + 1) ] }。

对于（u,v），如果是浮点型。

在C语言中求其最邻近的点的方法一般是int （u+0.5）。

在matlab中用专用函数round（）能够实现取最近值。

（二）.matlab实现
1.用matlab自带函数实现
A=imread('E:\3.jpg');%%读取照片
B=imresize(A,2,'nearest'); %%实现函数语句
figure,imshow(A);title('原始图像'); %%%显示图片A
figure,imshow(B);title(‘2X原始图像’) %%% 读取照片B %%%%%%%%%%%%%%%%%%%%%%%最邻近算法 MATLAB 自带函数实现
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
2.自己编写函数实现
很显然，仅仅调用语句实现是不行的。

Verilog里并没有这种语句。

当然也可以调用IP核。

但是对于需要自己写底层代码的人来说。

就要具备自己编写IP 的能力。

先用matlab验证是有必要的。

A = imread('F:\lena.jpg');%读取图像信息
imshow(A); %显示原图
title('原图128*128');
Row = size(A,1); Col = size(A,2);%图像行数和列数
nn=8;%放大倍数
m = round(nn*Row);%求出变换后的坐标的最大值
n = round(nn*Col);
B = zeros(m,n,3);%定义变换后的图像
for i = 1 : m
for j = 1 : n
if x==0 x = 1; end
if y==0 y = 1; end
if x>Row x = Row; end
if y>Col y = Col;end
B(i,j,:) = A(x,y,:);
end
end
B = uint8(B);%将矩阵转换成8位无符号整数
figure;
imshow(B);
title('最邻近插值法放大8倍1024*1024');%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
图（1）原始图像
图（2） 0.5X __最邻近算法
图（3）2X ____最邻近算法
三．双线性插值算法
（一） matlab自带函数实现
A=imread('E:\3.jpg');
imshow(A);
title('原图');
C=imresize(A,2,'bilinear'); %双线性插值
figure;
imshow(C);
title('双线性内插值法放大2倍');
（二）
I=imread('E:\2.JPG');
[nrows,ncols]=size(I);
% acquire scale-factor, the range is 0.2-5.0
K = str2double(inputdlg('please input scale factor (must between 0.2 - 5.0)', 'INPUT scale factor', 1, {'0.5'}));
% Validating
if(K<0.2)|(K>5.0)
errordlg('scale factor beyond permitted range(0.2 - 5.0)','ERROR');
error('please input scale factor (must between 0.2-5.0)');
end
imshow(I);
width=K * nrows;
height=K * ncols;
widthScale=nrows/width;
heightScale=ncols/height;
for x=5:width-5
for y=5:height-5
xx=x*widthScale;
yy=y*heightScale;
if(xx/double(uint16(xx))==1.0)&(xx/double(uint16(xx))==1.0)
J(x,y)=I(int16(xx),int16(yy));
else% a or b is not integer
a=double(uint16(xx)); % (a,b) is the base-dot
b=double(uint16(yy));
x11=double(I(a,b)); % x11 <- I(a,b)
x12=double(I(a,b+1)); % x12 <- I(a,b+1)
x21=double(I(a+1,b)); % x21 <- I(a+1,b)
x22=double(I(a+1,b+1)); % x22 <- I(a+1,b+1)
J(x,y)=uint8((b+1-yy)*((xx-a)*x21+(a+1-xx)*x11)+(yy-b)*((xx-a)*x22+(a +1-xx)*x12));
% calculate J(x,y)
end
end
end
% show the interplotted image
imwrite(J, 'zha1.jpg', 'jpg');
figure;
imshow(J);
总结
从上面结果可以看出。

两种不同的算法处理的图片的效果是有出入的，最邻近算法相对于双线性算法来说局域更好的细节保持度。

从上面0.5X的对比图可以看出。

最邻近算法得到的图片蝴蝶结处条纹明显。

而双线性插值算法得到的图片条纹模糊。

双线性插值算法使得细节弱化。

但是最邻近算法不适合发大倍数比较
大的情况。