(完整版)基于matlab的图像缩小算法

一、基于matlab图像缩小算法

缩小算法与放大算法不同，图像缩小是通过减少像素个数来实现的。因此，需要根据缩小

的尺寸来选择合适的像素点，使得图像缩小后尽可能保持源图像特征。基于等间隔采样的缩

小算法。

这种算法是通过对图像像素的均匀采样来保持所选择的像素仍旧保持像素的概貌特征。

算法1通过matlab实现可得：

function small=big2small(A,h,l)

[m,n]=size(A);

k1=m/h;k2=n/l;

small=zeros(h,l);

for i=1:h

for j=1:l

i0=i*k1;j0=j*k2;

i1=floor(i0+0.5);

j1=floor(j0+0.5);

small(i,j)=A(i1,j1);

end

end

end

1、 基于局部均值的缩小算法。

这种算法通过采样间隔dx，dy将原图像矩阵分割为一系列小的矩阵，并计算这些小矩阵的

元素的和，再求其均值赋给目标矩阵相应的像素。这样就避免了算法1中某些未取到的元素

不能将其信息反映到目标矩阵的缺点。

算法2通过matlab实现可得：

function small=big2small2(A,h,l)

[m,n]=size(A); %获得矩阵A大小

A=im2double(A);

small=zeros(h,l);

for i=1:h

for j=1:l

sum=0;

i1=round((m/h).*(i-1)+1); %将矩阵分块

j1=round((n/l).*(j-1)+1); %i1,j1为矩阵小块左上角元素下标

i2=round((m/h).*i);

j2=round((n/l).*j); %i2,j2为矩阵小块右下角元素下标

for ii=i1:i2

for jj=j1:j2

sum=sum+A(ii,jj); %计算矩阵内元素值的和

end

end

small(i,j)=sum/((i2-i1+1).*(j2-j1+1)); %将均值赋给目标矩阵

end

end

end