本文實(shí)例為大家分享了C語言實(shí)現(xiàn)圖像縮放的具體代碼，供大家參考，具體內(nèi)容如下

1. 定義（摘自維基百科）

在計(jì)算機(jī)圖形學(xué)中，圖像縮放指的是通過增加或去掉像素來改變圖片的尺寸。由于要在效率和圖像質(zhì)量比如平滑度和清晰度之間做折衷，圖像縮放并不是個(gè)簡單的過程。當(dāng)圖像尺寸增大的時(shí)候，組成圖像的像素也越來越大，圖像看上去就變"柔和"了。而縮小圖像的時(shí)候，圖像就變得平滑和清晰了。

除了為了適應(yīng)顯示區(qū)域而縮小圖片外，圖像縮小技術(shù)更多的是被用來產(chǎn)生預(yù)覽圖片。圖像放大技術(shù)一般被用來令一個(gè)較小的圖像填充一個(gè)大的屏幕。當(dāng)你放大一張圖像時(shí)，你不能可能獲得更多的細(xì)節(jié)，因此圖像的質(zhì)量將不可避免的下降。不過也有很多技術(shù)可以保證在放大圖像即增加像素的時(shí)候，圖像的質(zhì)量不變。

2.方法及實(shí)現(xiàn)

2.1 圖像縮小

為了能夠更好的觀察效果，選用了比較小的圖片（200*200）進(jìn)行處理。

圖像縮小相對(duì)比較簡單，由于縮小必定損失信息量，所以個(gè)人感覺需要考慮的是怎么盡可能多的保留原始信息。

最簡單的方法為直接選取部分?jǐn)?shù)據(jù)。譬如，圖像縮小一倍，則隔一行（列）取一個(gè)數(shù)據(jù)，圖像縮小為原來的四分之一，則隔三行（列）取一個(gè)數(shù)據(jù)。

處理結(jié)果：

這種方式相當(dāng)于直接舍去了1/2（3/4）的信息，于是嘗試通過取相鄰像素的平均值代替原來單純的一個(gè)像素以盡可能多的保留原始信息。

分析：

可以看到，后者得到的圖片效果明顯好于前者。在進(jìn)行圖像縮小操作時(shí)，要考慮的是在圖像信息必然損失的情況下，盡可能多的保留原始信息。

第一種處理關(guān)鍵代碼為：

for (int i = 0; i < height; i+=3){
        for (int j = 0; j < width; j+=3){
            PicZoomOut[i / 4][j / 4] =Pic[i][j];
        }
    }

第二種處理關(guān)鍵代碼為：

for(int i = 0; i < 100; i++){
          for(int j = 0; j < 100; j++){
                 PicZoomOut[i][j] = (Pic[i * 2][j * 2]+ Pic[i * 2 + 1][j * 2] + Pic[i * 2][j * 2 + 1] + Pic[i * 2+ 1][j * 2 + 1])/4;
          }
   }

圖像縮小，第二種方法，縮為原來1/4，代碼

#include <stdio.h>
#include <stdlib.h>
#include <memory.h>

#define height  200
#define width   200

typedef unsigned char  BYTE;    // 定義BYTE類型，占1個(gè)字節(jié)

int main(void)
{
FILE *fp = NULL;
BYTE PicZoomOut[100][100];
BYTE *ptr;
BYTE **Pic = new BYTE *[height];
for (int i = 0; i != height; ++i)
{
Pic[i] = new BYTE[width];
}

fp = fopen("1.raw", "rb");
ptr = (BYTE*)malloc(width * height * sizeof(BYTE));//創(chuàng)建內(nèi)存
for (int i = 0; i < height; i++)
{
for (int j = 0; j < width; j++)
{
fread(ptr, 1, 1, fp);
Pic[i][j] = *ptr;  // 把圖像輸入到2維數(shù)組中,變成矩陣型式
ptr++;
}
}
fclose(fp);
for (int
i = 0; i < 50; i++)
{
for (int
j = 0; j < 50; j++)
{
PicZoomOut[i][j]
= (Pic[i * 4][j * 4]     + Pic[i * 4 + 1][j * 4]     + Pic[i * 4 + 2][j *
4]     + Pic[i * 4 + 3][j * 4] + Pic[i * 4][j * 4 + 1] + Pic[i * 4 + 1][j * 4 + 1] + Pic[i * 4 + 2][j * 4 + 1] + Pic[i * 4 + 3][j * 4 + 1] + Pic[i * 4][j * 4 + 2] + Pic[i * 4 + 1][j * 4 + 2] + Pic[i * 4 + 2][j * 4 + 2] + Pic[i * 4 + 3][j * 4 + 2] + Pic[i * 4][j * 4 + 3] + Pic[i * 4 + 1][j * 4 + 3] + Pic[i * 4 + 2][j * 4 + 3] + Pic[i * 4 + 3][j * 4 + 3])/16;
}
}
fp = fopen("output.raw", "wb");
for (int i = 0; i < 50; i++)
{
for (int j = 0; j < 50; j++)
{
fwrite(&PicZoomOut[i][j], 1, 1, fp);
}
}
fclose(fp);
return 0;
}

2.2 圖像放大

為了能夠更好的觀察效果，選用了比較小的圖片（100*100）進(jìn)行處理。

圖像放大由于信息量已定，所以個(gè)人感覺需要考慮的是怎么盡可能多的使用原始信息并且能呈現(xiàn)出比較好的放大效果。。

最簡單的方法為近鄰取樣插值，也稱零階插值。它輸出的像素灰度值就等于距離它映射到的位置最近的輸入像素的灰度值。但當(dāng)圖像中包含像素之間灰度級(jí)有變化的細(xì)微結(jié)構(gòu)時(shí),最鄰近算法會(huì)在圖像中產(chǎn)生人為加工的痕跡。

測試如下：

放大后的圖像保留了原始圖像的所有細(xì)節(jié)，但結(jié)果并不讓人滿意，有階梯狀鋸齒。于是嘗試采用其他縮放方法。

雙線型內(nèi)插值算法是一種比較好的圖像縮放算法，它充分的利用了源圖中虛擬點(diǎn)四周的四個(gè)真實(shí)存在的像素值來共同決定目標(biāo)圖中的一個(gè)像素值，因此縮放效果比簡單的最鄰近插值要好很多。

對(duì)于一個(gè)目的像素，設(shè)置坐標(biāo)通過反向變換得到的浮點(diǎn)坐標(biāo)為(i+u,j+v) (其中i、j均為浮點(diǎn)坐標(biāo)的整數(shù)部分，u、v為浮點(diǎn)坐標(biāo)的小數(shù)部分，是取值[0,1)區(qū)間的浮點(diǎn)數(shù))，則這個(gè)像素得值 f(i+u,j+v) 可由原圖像中坐標(biāo)為 (i,j)、(i+1,j)、(i,j+1)、(i+1,j+1)所對(duì)應(yīng)的周圍四個(gè)像素的值決定，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)

其中f(i,j)表示源圖像(i,j)處的的像素值，以此類推。

效果如下：

可見，相比于鄰取樣插值算法，這個(gè)算法的效果就好很多。不過導(dǎo)致了不期望的細(xì)節(jié)柔化。

在PS軟件中用來圖像放大的最佳算法是二次立方，測試如下：

雙立方插值計(jì)算涉及到16個(gè)像素點(diǎn), 而最終插值后的圖像中的(x, y)處的值即為16個(gè)像素點(diǎn)的權(quán)重卷積之和

將上面三種算法得到的結(jié)果依次放到一起對(duì)比觀察如下

分析：顯然，近鄰取樣插值效果最差。雖然保留了原始圖像的所有細(xì)節(jié)，但出現(xiàn)了階梯狀鋸齒。雙線型內(nèi)插值效果與二次立方插值效果都比近鄰取樣插值好，二者相比，雙線型內(nèi)插值有一點(diǎn)細(xì)節(jié)柔化（比如眼珠部位）。

綜上，二次立方插值效果最好。

以上就是本文的全部內(nèi)容，希望對(duì)大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。