基於單幀圖像的細節保持插值算法

簡介

目前常用的單幀插值放大或者說單幀超分辨方法，大致上有如下幾種：
        1、基於邊緣插值放大方式。
        2、基於NLM方式。
        3、基於圖像對比度增強方式。
        4、事先訓練大量低分辨率圖像塊及對應高分辨率圖像圖像塊數據集，通過查圖像塊字典方式插值放大。
        5、通過訓練大量低分辨率圖像及對應高分辨率圖像，得到對應濾波器，通過該濾波器進行圖像插值放大。

　　本篇主要介紹下：基於單幀圖像細節保持的邊緣插值放大算法。參考論文：Contour stencils for edge-adaptive image interpolation

背景概述

　　前段時間尋覓了下做超像素方法，發現了這個，實現了下感覺效果還行，整理記錄下。

實現原理

　　核心原理就是圖像像素插值放大時候，考慮每個像素所在位置的圖像邊緣方向，按照邊緣方向進行插值像素計算。
    1、將圖像邊緣方向分類到12個模板中：
            

    2、對每個像素，計算出該像素基於每個模板的梯度，選出最小梯度的模板，作爲該像素所在的邊緣方向。
            

    3、根據每個像素點對應所屬的邊緣方向，進行各自對應插值計算，得到結果圖像。
            

效果演示

　　1、論文上效果圖：
  
               輸入圖像                                               結果圖像

    2、代碼實現跑出來的效果比較：
        

 從左往右依次爲：輸入圖像，opencv自帶雙線性插值4倍放大後圖像， 論文算法代碼實現4倍插值放大後圖像。