图像缩放算法及速度优化——（⼆）双线性插值 双线性插值作为OpenCV中默认使⽤的图像缩放算法，其效果和速度都是不错的。
并且效果也⽐较稳定，计算复杂度并不算太⾼。
我看了很多⽹上的算法，⾃⼰也没看太懂，下⾯是从⽹上找的双线性插值算法的讲解。
“图像的双线性插值放⼤算法中，⽬标图像中新创造的象素值，是由源图像位置在它附近的2*2区域4个邻近象素的值通过加权平均计算得出的。
双线性内插值算法放⼤后的图像质量较⾼，不会出现像素值不连续的的情况。
然⽽次算法具有低通滤波器的性质，使⾼频分量受损，所以可能会使图像轮廓在⼀定程度上变得模糊。
” 下⾯还是根据我⾃⼰的理解来继续讲述吧，相信读者中有很多⾼⼿，希望读者能给予我指点⼀下，让我也能更明⽩⼀些。
双线性插值算法和最近邻插值算法⽐较类似。
在最近邻插值算法中，⽬标图像中的某个点(x,y)是去源图像中找最邻近的⼀个点(x0, y0)即可。
⽬标图像中的点(x, y)对应于源图像中的点(x0',y0')，x0'、y0'很可能不是整数，⽽是⼩数，⽽最近邻插值算法是找其邻近整型值(int(x0'+0.5f),int(y0'+0.5f))（上篇⽂章中没有进⾏四舍五⼊）。
我们现在找x0', y0'所在位置旁边的四个点，根据这四个点与(x0',y0')距离的关系计算⽬标图像中(x,y)⼀点的像素值。
算法描述如下：(1)计算源图像与⽬标图像宽与⾼的⽐例w0 : 表⽰源图像的宽度h0 : 表⽰源图像的⾼度w1 : 表⽰⽬标图像的宽度h1 : 表⽰⽬标图像的⾼度float fw = float(w0-1)/(w1-1);float fh = float(h0-1)/(h1-1);(2)针对⽬标图像的⼀个点(x, y),计算在源图像中的对应坐标，结果为浮点数。
float x0 = x * fw;float y0 = y * fh;int x1 = int(x0);int x2 = x1 + 1;int y1 = int(y0);int y2 = y1+1;所求的源图像中的四个点坐标为(x1, y1) (x1, y2) (x2, y1) (x2,y2)(3)求周围四个点所占的权重⽐值如上图，fx1 = x0 - x1;fx2 = 1.0f - fx1;fy1 = y0 - y1;fy2 = 1.0f - fy1;float s1 = fx1*fy1;float s2 = fx2*fy1;float s3 = fx2*fy2;float s4 = fx1*fy2;我们以value(坐标)来代表取得此点的坐标值，则:value(x0,y0) = value(x2,y2)*s1+value(x1,y2)*s2+value(x1,y1)*s3+value(x2,y1)*s4;如果对上述运算不够明⽩的话，可以这样来求。
双线性插值法（bilinearinterpolation）前⾯讲解了最近邻插值法缩放图像以及不⾜之处，本篇介绍另外⼀种插值法，介绍双线性插值法之前先介绍线性插值。
1. 线性插值 线性插值是指插值函数为⼀次多项式的插值⽅式，其在插值节点上的插值误差为零。
线性插值可以⽤来近似代替原函数，也可以⽤来计算得到查表过程中表中没有的数值。
如图所⽰现在已知y=f(x)的两个点坐标分别是（x0,y0），(x1,y1)，现在在区间(x0,x1)内给定任意x，如何求y，线性插值法采⽤图中红点的y值代替f(x)的y值。
假设x处的直线上的红点坐标为（x,Y），那么Y约等于y。
根据图可以得到公式：⽤y0，y1表⽰得到公式很好记，将分式看做权重系数。
2. 双线性插值法 双线性插值法也叫双线性内插，其核⼼思想是在两个⽅向分别进⾏⼀次线性插值。
双线性插值作为数值分析中的⼀种插值算法，⼴泛应⽤在信号处理，数字图像和视频处理等⽅⾯。
如坐标图所⽰，⽤横纵坐标代表图像像素的位置，f(x,y)代表该像素点(x,y)的彩⾊值或灰度值。
将图像放⼤或缩⼩，⽬的像素dst对应的原像素src中的坐标转换公式如下,公式很好理解，可参考上⼀章最近邻插值法。
srcX=dstX*(srcWidth/dstWidth) srcY=dstY*(srcHeight/dstHeight) 上式中，dstX与dstY为⽬标图像的某个像素的横纵坐标，dstWidth与dstHeight为⽬标图像的长与宽；srcWidth与srcHeight为原图像的宽度与⾼度。
srcX，srcY为⽬标图像在该点（dstX，dstY）对应的原图像的坐标。
现在假设⽬标图像的像素点(x’，y’)映射到原图像中是(x,y)，也就是图中的P点。
设Q11 = (x1, y1)、Q12 = (x1, y2)、Q21 = (x2, y1) 、Q22 = (x2, y2)，图中Q11,Q12,Q21,Q22分别为距离P点的最近的四个点。
双线性插值，又称为双线性内插。
在数学上，双线性插值是有两个变量的插值函数的线性插值扩展，其核心思想是在两个方向分别进行一次线性插值。
例如已知的红色数据点与待插值得到的绿色点如图1所示：图1假如我们想得到未知函数在点的值，假设我们已知函数在, , , 及四个点的值。
首先在 x 方向进行线性插值，得到然后在 y 方向进行线性插值，得到这样就得到所要的结果,如果选择一个坐标系统使得的四个已知点坐标分别为(0, 0)、(0, 1)、(1, 0) 和(1, 1)，那么插值公式就可以化简为或者用矩阵运算表示为这就是双线性内插值法。
双线性内插值法计算量大，但缩放后图像质量高，不会出现像素值不连续的的情况。
由于双线性插值具有低通滤波器的性质，使高频分量受损，所以可能会使图像轮廓在一定程度上变得模糊。
双线性插值法的MATLAB源代码为：I=imread('lena.jpg'); %读入原图像[nrows,ncols,z]=size(I); %读取图像矩阵大小，方便后面操作K = str2double(inputdlg('please input scale factor (mustbetween 0.2 - 5.0)', 'INPUT scale factor', 1, {'0.5'}));width = K * nrows;height = K * ncols;J = uint8(zeros(width,height,z));widthScale = nrows/width;heightScale = ncols/height;for x = 5:width - 5 % 5是为了防止矩阵超出边界溢出for y = 5:height - 5for z=1:3xx = x * widthScale; % xx, yy为原坐标，x,y为新坐标yy = y * heightScale;if((xx/double(uint16(xx))==1.0)&&(yy/double(uint16(yy))==1.0))J(x,y,z) = I(int16(xx),int16(yy),z); %若xx，yy为整数，直接赋值elsea = double(uint16(xx));b = double(uint16(yy));x11 = double(I(a,b,z)); % x11 <- I(a,b)x12 = double(I(a,b+1,z)); % x12 <- I(a,b+1)x21 = double(I(a+1,b,z)); % x21 <- I(a+1,b)x22 = double(I(a+1,b+1,z));% x22 <- I(a+1,b+1) J(x,y,z) = uint8((b+1-yy)*((xx-a)*x21+(a+1-xx)*x11)+(yy-b)*((xx-a)*x22+(a+1-xx)*x12)); %用双线性插值计算公式计算endendendendimshow(I);figure;imshow(J);程序运行后原图如图2所示：图2双线性插值法放大2倍后图像如图3所示：图3。
