CURSO DE PROCESAMIENTO DIGITAL DE IMÁGENES, NOVIEMBRE 2020 1

Procesamiento Digital de Imágenes

Práctica 5: I NTERPOLACI ÓN
Yves Maillard∗ , Lorena Nuñez† ∗ Posgrado en Ingenierı́a eléctrica, Facultad de Ingenirı́a, UNAM, CDMX, México
† Posgrado en Ingenierı́a eléctrica, Facultad de Ingenierı́a, UNAM, CDMX, México

Abstract—En este trabajo se estudian diversas técnicas de 

interpolación tanto en el dominio espacial como en el dominio f (x/T ) si x/T entero
fup (x) = (1)
frecuencial, con la finalidad de poder comparar el desempeño 0 otro caso
entre éstas.
Index Terms—Procesamiento digital de imágenes, Interpo- B. Funciones y kernel de interpolación
lación lineal, Interpolación cúbica, dominio de la frecuencia, zero
padding. Una función de interpolación g(n) es aquella que se obtiene
después de realizar la interpolación de una señal f (n). Es
decir, la función g(n), como se muestra en [2], está dada por:
I. O BJETIVOS
 
Dada una imagen con un número de muestras igual a X x − xk
g(x) = ck u (2)
NxM, donde N y M son el ancho y el largo de la imagen T
k
respectivamente:
Donde u((x − xk )/h) es el kernel de interpolación, T es el
• Encontrar las imágenes interpoladas usando interpo- incremento en el muestreo o factor de interpolación, xk son los
ladores de orden cero, lineal y cúbico. nodos de interpolación y ck son parámetros provenientes de
• Interpolar la imagen en el dominio de la frecuencia. la señal muestreada. Una propiedad importante de la función
de interpolación es que g(xk ) = f (xk ).
La Ecuación 2 se puede observar como una operación
II. I NTRODUCCI ÓN
similar a la convolución entre el kernel de interpolación y

L A interpolación es un proceso en el que se estiman

valores desconocidos de una señal a partir de otros
datos o valores conocidos de la misma señal [1]. El fin de
los coeficientes ck . Entonces si cj = f (xj), es decir, si
se reemplazan los coeficientes por cada una de las muestras
de la señal, la función de interpolación se obtiene mediante
la interpolación es obtener valores intermedios de una señal la convolución entre el kernel de interpolación y la señal
continua a partir de las muestras discretas que se tienen de la muestreada f (x).
señal [2]. La elección correcta del kernel de interpolación determinará
En Procesamiento digital de imágenes la interpolación es el resultado obtenido de la misma.
muy utilizada cuando se desea agrandar el tamaño de una
imagen (hacer zoom) o corregir distorsiones presentes en
la misma. Se busca que la imagen agrandada resultante se C. Tipos de interpolación según el kernel
observe lo más similar posible a la original y que el algoritmo Usaulemente se utilizan funciones polinomiales como ker-
de interpolación se lleve a cabo de forma eficiente por la gran nel de interpolación. Dependiendo del orden del polinomio
cantidad de datos presentes en una imagen. utilizado será el tipo de interpolación.
Existen diversos tipos de interpolación y se puede realizar • Interpolación de orden cero o del vecino más cercano
de diversas maneras. Algunas de ellas comunmente utilizadas (nearest neighbour interpolation). Después de realizar el
se presentan posteriormente. Una forma de obtener una imagen Upsampling, asigna a cada una de las muestras con cero
interpolada es insetar muestras entre cada par de pixeles de la agregadas el valor del pixel más cercano en la imagen
imagen y posteriormente hacer la convolución entre la imagen original. Esto se puede ver como utilizar un polinomio
con las muestras agregadas y un filtro obtenido del kernel de de orden cero como kernel de interpolación u(s) = A,
interpolación utilizado. usualmente A = 1. El filtro discreto resultante del kernel
con el que se puede realizar la convolucion de la señal
A. Upsampling fup (x) es:
Es el proceso de aumentar la frecuencia de muestreo con 1 1
la se obtuvo una señal discreta. Consiste en agregar muestras • Interpolación lineal o de orden uno. Estima el valor
intermedias con valor de cero entre dos muestras adyacentes intermedio entre dos muestras de la señal f (x) mediante
de la señal discreta original. En el caso unidimensional, dada una recta. Esto es calcula los valores de g(x) utilizando
un secuencia o señal discreta f (x), la señal resultante después como kernel un polinomio de orden uno. Para un intervalo
de realizar el upsampling fup (x) está dada por: de [−s, s], el kernel está definido por:
CURSO DE PROCESAMIENTO DIGITAL DE IMÁGENES, NOVIEMBRE 2020 2

u(s) = A|s| + B |s| < 1 (3)

Con A = −1 y B = 1 se obtiene una señal triangular

4con la cual se pueden obtener los coeficientes de un
filtro discreto, que como ya se describió se puede con-
volucionar con la señal discreta con upsampling fup (x)
para obtener la señal interpolada g(x).

u(s) = 1 − |s| |s| < 1 (4)

Considerando esto, para T = 2 los valores del filtro

discreto son:
Fig. 1. Imagen original de tamaño 128x128 pixeles
1/2 1 1/2
Y para T = 4
1/4 1/2 3/4 1 3/4 1/2 1/4
• Interpolación cúbica o de orden tres. Estima el valor
intermedio entre dos muestras de la señal f (x) mediante
un polinomio de orden 3. Calcula los valores de g(x)
utilizando como kernel un polinomio de orden tres. Para
un intervalo de [−s, s], el kernel está definido por:

u(s) = A|s|3 + B|s|2 + C|s| + D (5)

De acuerdo a [2] se puede definir este polinomio como:


 3/2|s|3 − 5/2|s|2 + 1 0 < |s| < 1
u(s) = −1/2|s|3 + 5/2|s|2 − 4|s| + 2 1 < |s| < 2
0 |s| > 2

Fig. 2. Imagen con ceros agregados para sobremuestrar con factor T=2x2
(6)

A. Sobremuestro espacial
D. Interpolación en el dominio de la frecuencia Se insertaron ceros entre los pixeles de la imagen original
Fig. 1 para poder obtener las imágenes sobremuestreadas con
Al realizar Upsampling sobre la señal original el espectro
los factores de interpolación de T= 2x2 y T= 4x4.
en el dominio de la frecuencia se comprime. Debido a que el
espectro de una señal discreta es periódico, al comprimirlo se
observará el espectro de la señal original y las repeticiones del En las Fig. 2 y 3 se desplegan las imágenes con los ceros
mismo cada pi/T . Donde T es el factor de interpolación. Si insertados (sobremuestreadas), es por esa razón que se observa
se filtra este espectro con un filtro paso bajas con frecuencia un enrejado negro correspondiente a los ceros insertados.
de corte π/T se obtiene el espectro de la señal original y Además estas imágenes cambiaron de tamaño, la primera
un conjunto de valores en frecuencia con valor de 0, desde aumentó a 256x256 pixeles (T = 2x2) y la segunda aumentó
π/T hasta 2π. Al aplicar la transformada de Fourier inversa su tamaño a 512x512 pixeles (T = 4x4).
F −1 a este último espectro se obtendra la función interpolada En Fig. 4 se obtuvo la magnitud del espectro despues de
g(x). Para obtener una señal interpolada, basta con aplicar la aplicar la DFT a cada una de las imágenes sobremuestreadas
DFT a la señal original, realizar zero-padding en frecuencia y y a la imagen original. Se utilizó la función fftshift para centrar
posteriormente aplicar la IDFT. En el dominio del espacio x los espectros y como función de escalamiento la ecuación:
esto se ve como tomar un polinomio de orden n como kernel
de interpolación o una función sinc(x). 20 log10 (|X(k, l)|) (7)

En las imágenes de Fig. 4 se observa que al agregar ceros en

III. DESARROLLO el dominio espacial los espectros de amplitud se comprimen
y se observa la periodicidad en el intervalo de [−π, π].
Para todos los puntos siguientes y con la finalidad de poder Por otra parte si se aregaran ceros en el dominio de la
observar el desempeño de los distintos interpoladores se usó frecuencia, en el dominio espacial se observaria la periodicidad
la imagen del pentágono Fig. 1 de tamaño 128x128 pixeles. de la señal. Es decir, se observarı́an réplicas de la imagen.
CURSO DE PROCESAMIENTO DIGITAL DE IMÁGENES, NOVIEMBRE 2020 3

Fig. 5. Imágenes interpoladas con los tres tipos de interpoladores para un

factor de T=2x2

Fig. 3. Imagen con ceros agregados para sobremuestrar con factor T=4x4 Fig. 6. Espectro de las imágenes interpoladas

Fig. 4. Espectros de amplitud de las imágenes sobremuestreadas

B. Interpolación espacial Fig. 7. Espectro de las imágenes interpoladas

Se interpolaron las imágenes con sobremuestreo obtenidas

en el inciso anterior (con factores T= 2x2 y T= 4x4) usando
los siguientes tipos de interpoladores:
• De orden cero
• Lineal
• Cúbico

En Fig. 5 se muestra la comparación entre los diferentes Fig. 8. Acercamiento

resultados obtenidos al realizar la interpolación utilizando los
tres métodos. Estas imágenes son de tamaño de 256x256.
Se puede notar que las imágenes interpoladas con la técnica
bilineal y bicúbica tienen tonos más claros que la imagen Se realizó el mismo procedimiento pero ahora para un
obtenida con el interpolador de orden cero. factor de 4x4.

Al hacer un acercamiento en la parte superior izquierda de En Fig 9,10 y 11 se muestra el resultado de la interpolación
las imágenes se puede observar con mejor detalle el resultado con factor 4x4,con respecto a la imagen original se puede ver
de la interpolación Fig. 8. En la primera imagen (orden cero) que es posible agrandar la imagen pero a costa de perder un
se observa que se agrandó el tamaño de los pixeles, esto es poco de calidad, en el caso del interpolador de orden cero los
debido a que en este tipo de interpolación se copia el valor cambios en los tonos de grises son más fuertes es más notable,
del pixel más cercano causando un efecto de ”pixeleado” en mientras que en las otras dos imágenes los tonos mucho más
la imagen interpolada. Y es aún más notable los cambios de claros y también se puede observar el borde negro en la parte
tonos de gris a comparación de los otros dos casos, en donde inferior e izquierda, este como resultado de la convolución.
se observan más difuminados. Y esto se corrobora al ver que En Fig. 12,13 y 14 se muestran los espectros de amplitud
los valores de alta frecuencia de las interpolaciones bilineal de la interpolación con factor T=4x4 y nuevamente se hace
y bicúbico están atenuadas Fig. 6 y 7, esto lo podemos evidente que las componentes de alta frecuencia de los inter-
decir debido a que las esquinas de los espectros de amplitud poladores bilineal y bicúbico se atenuan, siendo más evidente
se observan más oscuros que el del interpolador de orden en el caso bicúbico. Esta atenuación también se debe a que
cero. Además los cambios en los valores de intensidad en la convolución realizada para obtner la imagen interpolada no
frecuencia son más abruptos para el interpolador de orden fue la convolución lineal. Si se realiza la convolución lineal
cero. los espectros de los tres interpoladores se asemejan más entre
CURSO DE PROCESAMIENTO DIGITAL DE IMÁGENES, NOVIEMBRE 2020 4

Fig. 9. Imágenes interpolada con interpolador de orden cero y factor T=4x4 Fig. 12. Espectro de mágnitud imagen interpolada con interpolador de orden
cero y factor T=4x4

Fig. 10. Imágenes interpolada con interpolador bilineal y factor T=4x4

Fig. 13. Espectro de mágnitud imagen interpolada con interpolador bilineal
y factor T=4x4

Fig. 11. Imágenes interpolada con interpolador bicúbico y factor T=4x4

Fig. 14. Espectro de mágnitud imagen interpolada con interpolador bicúbico
y factor T=4x4
ellos, siendo en el bicúbico en donde se presenta un mayor
número de discontinuidades, pero mayor atenuación de las
altas frecuencias Fig. 15 y 16.
CURSO DE PROCESAMIENTO DIGITAL DE IMÁGENES, NOVIEMBRE 2020 5

Fig. 18. Imágenes interpolada en el dominio de la frecuencia y factor T=2x2

Fig. 15. Espectro de mágnitud imagen interpolada con interpolador bilineal
y factor T=4x4, convolucion ’full’

Fig. 19. Espectro de Magnitud con zero padding para factor T=2x2

Fig. 16. Espectro de mágnitud imagen interpolada con interpolador bicúbico

y factor T=4x4, convolución ’full’
IV. I NTERPOLACI ÓN EN FRECUENCIA

Otra forma de realizar la interoplación de una imágen

consiste en hacerlo en el dominio de la frecuencia, para ello
primero se obtiene la DFT de la imagen original, posterior-
mente se centra el espectro usando la instrucción fftshift y se
agregan ceros alrededor del mismo hasta completar el número
de pixeles necesarios para alcanzar las dimensiones deseadas.
Luego se aplica la IDFT para llevar la imagen al dominio
espacial.
Fig. 17. Acercamiento imágenes interpoladas con factor T=4x4 En Fig. 18 y 20 se muestran las imágenes interpoladas en
el dominio de la frecuencia y en Fig. 19 y 21 sus respectivos
espectros de amplitud, en ambos casos se observa como se
En Fig. 17 se desplegó para cada caso un acercamiento agregaron ceros (área negra) alrededor de el espectro centrado
de la parte superior izquierda de las imágenes interpoladas de la imagen original y es notable que a medida de que se
donde es evidente en el caso del interpolador de orden cero desee aumentar el tamaño de la imagen más grande será el
que la imagen se ve pixelada (con pixeles más grandes), esto marco negro alrededor del espectro original. El agregar ceros
como dijimos anteriormente se debe a que para este tipo de es equivalente a aplicar un filtro paso bajas en el dominio de
interpolación los pixeles nuevos insertados toman el valor del la frecuencia, lo cual equivale a una interpolación con una
pixel más cercano. función sinc en el dominio espacial.
CURSO DE PROCESAMIENTO DIGITAL DE IMÁGENES, NOVIEMBRE 2020 6

Fig. 20. Imágenes interpolada en el dominio de la frecuencia y factor T=4x4 Fig. 22. Comparación entre los distintos métodos de interpolación para factor
T=4x4

Obteniéndose satisfactorios, aunque se puede decir que en el

caso de la interpolación de orden cero los pixeles de la imagen
se hacen más grande y en el caso de las interpolaciones
bilineal y bicúbica a pesar de que no existe este efecto
se pierde nitidez en los bordes y esto se hace evidente al
observar los espectros de magnitud donde precisamente se
corrobora que las componentes de frecuencia más altas (las
que se encuentran en las esquinas) se ven atenuadas.

Por último se realizó la interpolación en el dominio de

la frecuencia en donde el resultado supera a los resultados
obtenidos anteriormente ya que no sólo la imagen no se ve
pixelada sino que se logra mantener de mejor manera los
bordes y en general los tonos de grises.
Fig. 21. Espectro de Magnitud con zero padding para factor T=4x4

R EFERENCES
V. C OMPARACI ÓN DE M ÉTODOS DE INTERPOLACI ÓN [1] R. C. Gonzalez, R. E. Woods, and S. L. Eddins, Digital image processing
using MATLAB. Pearson Education India, 2004.
En este punto se realiza la comparación entre los tres [2] R. Keys, “Cubic convolution interpolation for digital image processing,”
métodos de interpolación en el dominio espacial vistos y el IEEE Transactions on Acoustics, Speech, and Signal Processing, vol. 29,
método de interpolación en el dominio frecuencial. no. 6, pp. 1153–1160, 1981.
En Fig. 22 se muestran las cuatro imágenes interpoladas
usando los diversos métodos trabajados durante la práctica y
se observa que la interpolación en frecuencia es aquella que
posee mayor nitidez, ya que la imagen no se ve pixelada y de
pueden diferenciar mejor los tonos de grises en comparación
con las técnicas bilineal y bicúbica.

VI. C ONCLUSIONES
En la práctica en primer lugar se estudió el efecto que
ocurre al agregar ceros intercalados en una imagen en el
dominio del tiempo y su efecto en el dominio espectral.
Siendo éste el primer paso para las técnicas de interpolación
en el dominio espacial. Posteriormente se procedió a aplicar
la interpolación como tal al convolucionar la imagen original
con los ceros intercalados con el kernel de cada uno de los
polinomios seleccionados (orden cero,bilineal y bicúbico).