pythonpictureanalysis/Blue_noise_sampling.py

# -*- coding: utf-8 -*-
# @Time    : 2022-7-26 0026 19:09
# @Author  : Qing
# @Email   : derighoid@gmail.com
# @File    : Blue_noise_sampling.py
# @Software: PyCharm
from pathlib import Path

import matplotlib
import matplotlib.pyplot as plt
import numpy as np
from PIL import Image

'''
最近邻插值法：
在放大图像时，多出来的像素点由最近邻的像素点构成
计算新图形（放大后或缩小后）的坐标点像素值对应于原图像中哪一个像素点填充的。
srcX=newX*(srcW/newW)
srcY=newY*(srcH/newH)
src是原图，dst是新图，原来的图像宽度/高度除以新图像的宽度/高度可以得到缩放比例，
假如是缩小图片括号内的数字小于1，放大则大于1，相当于系数，再乘以新图片的宽度/高度，就实现了缩放。
'''

def blueNoiseSampl(img, newH, newW):
    '''

    :param img: 图片
    :param newH:  新图的高
    :param newW: 新图的宽
    :return: 新图
    '''
    scrH, scrW, t = img.shape  # 原图的长宽
    retimg = np.zeros((newH, newW, 3), dtype=np.uint8)  # 生成 newH* newW *3 的零矩阵
    for i in range(newH - 1):
        for j in range(newW - 1):
            scrx = round(i * (scrH / newH))  # round对其四舍五入
            scry = round(j * (scrW / newW))
            retimg[i, j] = img[scrx, scry]  # new image
    return retimg


# 图片展示函数
def showImage(picPath):
    '''

    :param picPath: 图片地址
    :return: 样图
    '''
    # 获取图片矩阵
    image = np.array(Image.open(picPath))
    # 设置画布
    plt.figure(figsize=(16, 8))
    # 合并
    plt.subplot(121)
    plt.imshow(image)
    # 调用采样函数
    image1 = blueNoiseSampl(image, image.shape[0] * 2, image.shape[1] * 2)
    # 图片保存
    Image.fromarray(np.uint8(image1)).save("./data/picture13.png")
    plt.subplot(122)
    plt.imshow(image1)
    plt.show()
    return image1