基于插值的算法优化模糊图片，matlab代码

以下是一个基于双线性插值的模糊图片优化的 Matlab 代码示例：

% 读入待处理的模糊图片
blurry_img = imread('blurry_image.jpg');

% 定义插值比例
scale_factor = 2;

% 获取模糊图片的大小
[h, w, ~] = size(blurry_img);

% 计算处理后的图片大小
new_h = h * scale_factor;
new_w = w * scale_factor;

% 创建处理后的图片
sharp_img = zeros(new_h, new_w, 3);

% 双线性插值
for i = 1:new_h
    for j = 1:new_w
        % 计算原始图片上的坐标
        orig_x = j / scale_factor;
        orig_y = i / scale_factor;
        
        % 取整
        x1 = floor(orig_x);
        x2 = ceil(orig_x);
        y1 = floor(orig_y);
        y2 = ceil(orig_y);
        
        % 计算插值比例
        x_ratio = (orig_x - x1) / (x2 - x1);
        y_ratio = (orig_y - y1) / (y2 - y1);
        
        % 双线性插值
        top_left = double(blurry_img(y1, x1, :));
        top_right = double(blurry_img(y1, x2, :));
        bottom_left = double(blurry_img(y2, x1, :));
        bottom_right = double(blurry_img(y2, x2, :));
        
        top_interp = top_left * (1 - x_ratio) + top_right * x_ratio;
        bottom_interp = bottom_left * (1 - x_ratio) + bottom_right * x_ratio;
        
        sharp_img(i, j, :) = top_interp * (1 - y_ratio) + bottom_interp * y_ratio;
    end
end

% 显示处理后的图片
imshow(uint8(sharp_img));

这段代码读入了一个模糊的图片，定义了插值比例，通过双线性插值算法生成了处理后的图片。最后，通过 `imshow` 函数展示了处理后的图片。