Microsoft Word - W6_new.doc


Mathematical Problems of Computer Science 37, 45--52, 2012. 

 
45 

 

 
 

An Algorithm of Digital Image Interpolation 
 

Lilit G. Minasyan  
 

State Engineering University of Armenia 
 

Abstract 
 

The effective algorithms for reducing and increasing the size of images using the 
orthogonal wavelet-like transformation are presented. The experimental results show an 
improvement in terms of PSNR in comparison to the well-known image interpolation 
algorithms. 

 Keywords:  interpolation,  orthogonal transform, image resizing algorithm. 
 

 
 

References 
 

[1]   J. Mukherjee,  S. K. Mitra, “Image resizing in the compressed domain using subband DCT,”  
       IEEE  Trans. Circuits and Systems for Video Technology, vol. 12, no. 7,  pp. 620-627,  2002. 
[2]   S. A. Martucci, “Image resizing in the discrete cosine transform domain,” IEEE Proc. Int.  
       Conf. Image Processing, vol. 2, pp. 244-247, 1995. 
[3]   J. Scott, R. Tutwiler  and M. Pusateri, “Hyper-spectral content aware resizing,” IEEE Conf.  
        Applied  Imagery Pattern Recognition Workshop, pp. 1-7, 2008. 
[4]   S. Khachatryan,  L. Minasyan, “On synthesis and application of an orthogonal discrete  
        transform for image compression,” Journal of Engineering Academy of Armenia, T4, № 1.  
        Yerevan,  pp.124-129, 2007 (in Russian). 
[5]   S. Khachatryan and L. Minasyan, “Design of orthogonal transform on partion of unity  
        method and their application to image compression, “ Int. Workshop on Local and Non-    
        Local Approximation in Image Processing, LNLA’2008,  Tuusula, Finland, pp. 145-152,  
        2008. 
[6]   S. Khachatryan and L. Minasyan, “On algorithms of digital image interpolation,” Mathema  

      tics in high School, T. 6, № 2,  pp. 32-41, 2010. 
[7]   R. Gonzalez and R. Woods, Digital Image Processing, 2nd Ed. Upper Saddle River, New    
       Jersey: Prentice-Hall, Inc., 2002. 
[8]   T. W. Parks and C. S. Burrus. Digital Filter Design. New York: John Wiley & Sons,  
        pp. 209-213, 1987.  
[9]   A. V. Oppenheim and R. W. Schafer. “Discrete-time signal processing”. Upper Saddle   
        River, NJ: Prentice-Hall, pp. 450-454, 1999.  
[10]  R. Keys, “Cubic convolution interpolation for digital image processing,”  IEEE Trans. on   
        Signal Processing, Acoustics, Speech, and Signal Processing 29 (6), pp.1153-1160, 1981. 
[11]  K. Turkowski and S. Gabriel,  “Filters for common resampling Tasks”. In Andrew  S.  
         Glassner. Graphics Gems I. Academic Press. pp. 147–165. ISBN 9780122861659, 1990.  



An Algorithm of Digital Image Interpolation 46 

[12] W. Burger, M. J. Burge, Principles of digital image processing: core algorithms.       
        Springer. pp. 231–232. ISBN 9781848001947, 2009. 
[13] G. Schaub, “Genuine Fractals 4.1; Resampling with GF might make the megapixel race   
        moot,” March, Shutterbug, 2006. 
[14]  J. Canny, “A computational approach to edge detection,” IEEE Transactions on PAMI,   
        8(6), pp. 679–698, 1986. 
 

Թվային պատկերների միջարկման մի ալգորիթմի մասին 
 

Լ.  Մինասյան 
 

Ամփոփում 
 

        Առաջարկված են պատկերների չափերի փոքրացման և մեծացման արդյունավետ 
ալգորիթմներ'վեյվլեթ տիպի օրթոգոնալ ձևափոխության կիրառմամբ:  
        Կատարված են համեմատություններ պատկերների միջարկման հայտնի 
ալգորիթմների արդյունքների հետ: 
 

 
Об одном алгоритме интерполяции цифрового изображения 

 
Л.  Минасян  

 
Аннотация 

 
       Предложены  эффективные  алгоритмы  уменьшения  и  увеличения  размеров 
изображений с применением ортогонального вейвлетообразного преобразования. 
Приведены сравнения с результатами известных алгоритмов интерполяции  изображений.