基于Bresenham算法的图像快速缩放处理

采用Bresenham画线算法增量定位的思想,提出一种基于Bresenham算法的图像缩放快速算法。该算法减少了图像缩放中大量的浮点运算以及取整运算,可以在保证缩放质量的前提下,大幅度地提高图像缩放的效率。实验结果表明,该算法使得向后映射的平均处理速度提高了20%～40%,并且方便了硬件实现。

基于概率随机裁剪的图像缩放算法

为提高图像缩放的速度,提出一种结合阈值学习与依概率随机裁剪的快速内容感知图像缩放算法,通过计算图像的重要度图,利用径向基函数(RBF,radial basis function)神经网络进行阈值学习求出图像的重要度阈值,根据阈值将图像分成保护区域和非保护区域,并按缩放要求为其分配不同的缩放比,分别进行依概率随机裁剪。在MSRA图像数据库上与目前流行的内容感知缩放方法进行对比,实验结果表明,所提方法的缩放时间明显低于其他算法,而且在缩放效果上有明显的优势。