opencv和matlab bicubic算法有什么区别？

Question

使用opencv的resize时

img = cv2.imread('fname.png', 0 )
res = cv2.resize(img,None,fx=2, fy=2, interpolation = cv2.INTER_CUBIC)
cv2.imwrite('scaled_cv2.png',res)

和matlab的imresize

I = imread('fname.png');
J = imresize(I,2, 'Antialiasing', false, 'Method', 'bicubic');
imwrite(J,'scaled_matlab.png')

并与imagemagick与

进行比较

compare -metric PSNR fname.png scaled_cv2.png diff_cv2.png
compare -metric PSNR fname.png scaled_matlab.png diff_matlab.png

我得到完全不同的PSNR值 他们在做什么不同？

Answer 1

来自Matlab's doc：

  

'bicubic'

     

双立方插值（默认）;输出像素值是最近的4乘4邻域中像素的加权平均值

来自OpenCV's doc：

  

INTER_CUBIC - 4x4像素邻域的双三次插值

所以对此的唯一解释是他们使用不同的加权策略来获得平均值。

从Matlab imresize.m源码，您可以发现内核常量A （请参阅Bicubic interpolation on Wikipedia）设置为 -0.5 ，而它已设置在OpenCV中 -0.75 （参见imgproc / src / imgwarp.cpp，函数interpolateCubic（）on github for instance）。

这为卷积提供了不同的内核形状：

因此，最终插值图像的结果会略有不同;通常更多ringing artifacts和OpenCV的超调，但与“真实”的高分辨率图像相比，边缘更清晰，PSNR更好。

Answer 2

这可能是由于从输出像素到输入像素的不同仿射变换。在'blinear'反直觉示例上查看this post。此外，在another post中，在Mathematica上验证了插值域（[1,n] vs [0,n]）的假设，也使用了'bilinear'方法。所以我猜这是导致Matlab和OpenCV之间存在这种差异的类似原因。