【技术实现步骤摘要】
基于双线性插值算法的图像缩放方法、装置、设备及介质
[0001]本专利技术实施例涉及数据处理
，尤其涉及一种基于双线性插值算法的图像缩放方法、装置、设备及介质。
技术介绍
[0002]随着深度学习的快速发展，卷积神经网络已经大量应用于机器视觉应用，例如图像识别与图像分类。基于数据流架构的人工智能芯片，由于其极高的芯片利用率，正在越来越多的场景中得到应用。为了提高数据流架构AI芯片的端到端效率，需要对视频、图像流相关数据进行前后端计算处理，比如利用双线性插值算法将图像放大或缩小为与后续模块相匹配的尺寸。
[0003]在传统的计算体系架构中，需要使用CPU基于指令集进行图像的双线性插值功能，在进行插值计算时，分为系数产生、数据提取、系数与数据乘加运算等等，由于运算的数据量大，且其中部分过程涉及到除法运算，因此导致对系统资源及运算时间成本有较大的消耗，从而影响了整体的计算效率。
技术实现思路
[0004]本专利技术实施例提供一种基于双线性插值算法的图像缩放方法、装置、设备及介质，以大幅度减少乘除法运算...
【技术保护点】
【技术特征摘要】
1.一种基于双线性插值算法的图像缩放方法，其特征在于，包括：获取源图像的第一尺寸和目标图像的第二尺寸，并根据所述第一尺寸和所述第二尺寸确定行方向形变系数和列方向形变系数；分别将所述行方向形变系数和所述列方向形变系数输入定点累加器进行累加计算；分别对每次的累加结果进行取整操作，以得到各个所述累加结果的整数部分和小数部分，并将所述行方向形变系数的各个累加结果的整数部分作为行取数地址，小数部分作为行插值系数，将所述列方向形变系数的各个累加结果的整数部分作为列取数地址，小数部分作为列插值系数；针对所述目标图像中的每个目标像素点，根据所述目标像素点的像素坐标从所有所述行取数地址、所述列取数地址、所述行插值系数及所述列插值系数中确定对应的目标行取数地址、目标列取数地址、目标行插值系数及目标列插值系数，并根据所述目标行取数地址和所述目标列取数地址确定在所述源图像中对应的算法所需的源像素点，再基于双线性插值算法，根据所述源像素点的像素值、所述目标行插值系数及所述目标列插值系数确定所述目标像素点的像素值。2.根据权利要求1所述的基于双线性插值算法的图像缩放方法，其特征在于，在所述根据所述目标像素点的像素坐标从所有所述行取数地址、所述列取数地址、所述行插值系数及所述列插值系数中确定对应的目标行取数地址、目标列取数地址、目标行插值系数及目标列插值系数之前，还包括：将所述行方向形变系数的各个累加结果的整数部分和小数部分依次存入第一查找表中，将所述列方向形变系数的各个累加结果的整数部分和小数部分依次存入第二查找表中，所述第一查找表和所述第二查找表的索引值分别与各个所述目标像素点的行坐标和列坐标对应；相应的，所述根据所述目标像素点的像素坐标从所有所述行取数地址、所述列取数地址、所述行插值系数及所述列插值系数中确定对应的目标行取数地址、目标列取数地址、目标行插值系数及目标列插值系数，包括：分别将所述像素坐标中的行坐标和列坐标作为索引值从所述第一查找表和所述第二查找表中查找所述目标行取数地址、所述目标列取数地址、所述目标行插值系数及所述目标列插值系数。3.根据权利要求2所述的基于双线性插值算法的图像缩放方法，其特征在于，所述第二尺寸包括宽尺寸和高尺寸；在所述将所述行方向形变系数的各个累加结果的整数部分和小数部分依次存入第一查找表中，将所述列方向形变系数的各个累加结果的整数部分和小数部分依次存入第二查找表中之前，还包括：分别为所述第一查找表和所述第二查找表分配查找表空间，所述第一查找表的查找表空间宽度为2，深度为所述宽尺寸，所述第二查找表的查找表空间宽度为2，深度为所述高尺寸。4.根据权利要求1所述的基于双线性插值算法的图像缩放方法，其特征在于，所述取整操作为向下取整，所述根据所述目标行取数地址和所述目标列取数地址确定在所述源图像中对应的算法所需的源像素点，包括：将所述目标行取数地址作为行坐标，将所述目标列取数地址作为列坐标确定第一源像
素点；将所述目标行取数地址作为行坐标，将所述目标列取数地址加一作为列坐标确定第二源像素点；将所述目标行取数地址加一作为行坐标，将所述目标列取数地址作为列坐标确定第三源像素点；将所述目标行取数地址加一作为行坐标，将所述目标列取数地址加一作为列坐标确定第四源像素点。5.根据权利要求4所述的基于双线性插值算法的图像缩放方法，其特征在于，所述基于双线性插值算...
【专利技术属性】
技术研发人员：梁监天，蔡权雄，牛昕宇，
申请(专利权)人：深圳鲲云信息科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。