Java 图像大小调整双线性插值和最近邻

我目前在提出重新缩放和图像的算法时遇到了问题。 我目前想实现双线性插值和最近邻插值。我理解它们在概念上是如何工作的，但我似乎无法将其记录到代码中。我仍然被困在最近的邻居那里 我在下面为它编写了一些伪代码（根据我所知）：

我的原始数据集（从中获取数据量）存储在带有[x][y][z]和（x，y，z）的3D数组中。我分别读取每个像素，并可以使用java中的Color.Color计算每个像素的颜色。但是，我需要知道如何获得每个像素位置x和y（x，y）的颜色（c=[0,1,2]），不包括z（对于一个视图），以便将每个新像素的1个旧像素转换为包含新宽度和高度的新数据集。我已经用Java编写了上面翻译的大部分代码。但我仍然不明白如何最终确定一个可行的实施方案

---

提前感谢我对java不是很熟悉。但是这里有一个python的工作代码

import cv2
import numpy as np

img = cv2.imread("image.png")
img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

scaleX = 0.5
scaleY = 0.5

newImg = np.zeros((int(img.shape[0]*scaleX),int(img.shape[1]*scaleY))).astype(np.uint8)

for y in range(newImg.shape[0]):
    for x in range(newImg.shape[1]):
        samplex = x/scaleX
        sampley = y/scaleY
        dx = samplex - np.floor(samplex)
        dy = sampley - np.floor(sampley)

        val = img[int(sampley-dy),int(samplex-dx)]*(1-dx)*(1-dy)
        val += img[int(sampley + 1 - dy),int(samplex-dx)]*(1-dx)*(dy) 
        val += img[int(sampley-dy),int(samplex + 1 - dx)]*(dx)*(1-dy)
        val += img[int(sampley + 1 -dy),int(samplex + 1 - dx)]*(dx)*(dy)

        newImg[y,x] = val.astype(np.uint8)


cv2.imshow("img",newImg)
cv2.waitKey(0)

---

您只需在for中再添加一个for循环，并添加x for循环来解释通道。

我对java不是很熟悉。但是这里有一个python的工作代码

import cv2
import numpy as np

img = cv2.imread("image.png")
img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

scaleX = 0.5
scaleY = 0.5

newImg = np.zeros((int(img.shape[0]*scaleX),int(img.shape[1]*scaleY))).astype(np.uint8)

for y in range(newImg.shape[0]):
    for x in range(newImg.shape[1]):
        samplex = x/scaleX
        sampley = y/scaleY
        dx = samplex - np.floor(samplex)
        dy = sampley - np.floor(sampley)

        val = img[int(sampley-dy),int(samplex-dx)]*(1-dx)*(1-dy)
        val += img[int(sampley + 1 - dy),int(samplex-dx)]*(1-dx)*(dy) 
        val += img[int(sampley-dy),int(samplex + 1 - dx)]*(dx)*(1-dy)
        val += img[int(sampley + 1 -dy),int(samplex + 1 - dx)]*(dx)*(dy)

        newImg[y,x] = val.astype(np.uint8)


cv2.imshow("img",newImg)
cv2.waitKey(0)

---

您只需在for和x for循环中添加一个for循环来解释通道。

如果我正确，在这种情况下，您是在插值体积（体素），而不是像素： 让我们使用源卷

vol1[xs1][ys1][zs1]

和目标卷

vol0[xs0][ys0][zs0]

其中

xs、ys、zs

是最近邻的分辨率：

---

//vol0如果我没弄错，在这种情况下，你是在插值体积（体素），而不是像素：
让我们使用源卷
vol1[xs1][ys1][zs1]
和目标卷
vol0[xs0][ys0][zs0]
其中
xs、ys、zs
是最近邻的分辨率：

//它们是像素。我有一个三维数组，根据x、y和z位置存储每个像素。因此，与其说是体积，不如说是图像[][]@BrevynKurt，这种数据称为体积数据，而持有颜色的单个3D单元称为体素，而不是像素。。。要区分3D和2D…它们是像素。我有一个三维数组，根据x、y和z位置存储每个像素。因此，与其说是体积，不如说是图像[][]@BrevynKurt，这种数据称为体积数据，而持有颜色的单个3D单元称为体素，而不是像素。。。要区分3D和2D。。。