OpenCV中resize函数五种插值算法的实现过程

申明：本文非笔者原创，原文转载自：http://blog.csdn.net/fengbingchun/article/details/17335477

最新版OpenCV2.4.7中，cv::resize函数有五种插值算法：最近邻、双线性、双三次、基于像素区域关系、兰索斯插值。下面用for循环代替cv::resize函数来说明其详细的插值实现过程，其中部分代码摘自于cv::resize函数中的源代码。

每种插值算法的前部分代码是相同的，如下：

[cpp]  view plain copy

1. cv::Mat matSrc, matDst1, matDst2;  
2.   
3. matSrc = cv::imread("lena.jpg", 2 | 4);  
4. matDst1 = cv::Mat(cv::Size(800, 1000), matSrc.type(), cv::Scalar::all(0));  
5. matDst2 = cv::Mat(matDst1.size(), matSrc.type(), cv::Scalar::all(0));  
6.   
7. double scale_x = (double)matSrc.cols / matDst1.cols;  
8. double scale_y = (double)matSrc.rows / matDst1.rows;  

1、最近邻：公式，

                  

[cpp]  view plain copy

1. for (int i = 0; i < matDst1.cols; ++i)  
2. {  
3.     int sx = cvFloor(i * scale_x);  
4.     sx = std::min(sx, matSrc.cols - 1);  
5.     for (int j = 0; j < matDst1.rows; ++j)  
6.     {  
7.         int sy = cvFloor(j * scale_y);  
8.         sy = std::min(sy, matSrc.rows - 1);  
9.         matDst1.at<cv::Vec3b>(j, i) = matSrc.at<cv::Vec3b>(sy, sx);  
10.     }  
11. }  
12. cv::imwrite("nearest_1.jpg", matDst1);  
13.   
14. cv::resize(matSrc, matDst2, matDst1.size(), 0, 0, 0);  
15. cv::imwrite("nearest_2.jpg", matDst2);  

2、双线性：由相邻的四像素(2*2)计算得出，公式，

[cpp]  view plain copy

1. uchar* dataDst = matDst1.data;  
2. int stepDst = matDst1.step;  
3. uchar* dataSrc = matSrc.data;  
4. int stepSrc = matSrc.step;  
5. int iWidthSrc = matSrc.cols;  
6. int iHiehgtSrc = matSrc.rows;  
7.   
8. for (int j = 0; j < matDst1.rows; ++j)  
9. {  
10.     float fy = (float)((j + 0.5) * scale_y - 0.5);  
11.     int sy = cvFloor(fy);  
12.     fy -= sy;  
13.     sy = std::min(sy, iHiehgtSrc - 2);  
14.     sy = std::max(0, sy);  
15.   
16.     short cbufy[2];  
17.     cbufy[0] = cv::saturate_cast<short>((1.f - fy) * 2048);  
18.     cbufy[1] = 2048 - cbufy[0];  
19.   
20.     for (int i = 0; i < matDst1.cols; ++i)  
21.     {  
22.         float fx = (float)((i + 0.5) * scale_x - 0.5);  
23.         int sx = cvFloor(fx);  
24.         fx -= sx;  
25.   
26.         if (sx < 0) {  
27.             fx = 0, sx = 0;  
28.         }  
29.         if (sx >= iWidthSrc - 1) {  
30.             fx = 0, sx = iWidthSrc - 2;  
31.         }  
32.   
33.         short cbufx[2];  
34.         cbufx[0] = cv::saturate_cast<short>((1.f - fx) * 2048);  
35.         cbufx[1] = 2048 - cbufx[0];  
36.   
37.         for (int k = 0; k < matSrc.channels(); ++k)  
38.         {  
39.             *(dataDst+ j*stepDst + 3*i + k) = (*(dataSrc + sy*stepSrc + 3*sx + k) * cbufx[0] * cbufy[0] +   
40.                 *(dataSrc + (sy+1)*stepSrc + 3*sx + k) * cbufx[0] * cbufy[1] +   
41.                 *(dataSrc + sy*stepSrc + 3*(sx+1) + k) * cbufx[1] * cbufy[0] +   
42.                 *(dataSrc + (sy+1)*stepSrc + 3*(sx+1) + k) * cbufx[1] * cbufy[1]) >> 22;  
43.         }  
44.     }  
45. }  
46. cv::imwrite("linear_1.jpg", matDst1);  
47.   
48. cv::resize(matSrc, matDst2, matDst1.size(), 0, 0, 1);  
49. cv::imwrite("linear_2.jpg", matDst2);  

3、双三次：由相邻的4*4像素计算得出，公式类似于双线性

[cpp]  view plain copy

1. int iscale_x = cv::saturate_cast<int>(scale_x);  
2. int iscale_y = cv::saturate_cast<int>(scale_y);  
3.   
4. for (int j = 0; j < matDst1.rows; ++j)  
5. {  
6.     float fy = (float)((j + 0.5) * scale_y - 0.5);  
7.     int sy = cvFloor(fy);  
8.     fy -= sy;  
9.     sy = std::min(sy, matSrc.rows - 3);  
10.     sy = std::max(1, sy);  
11.   
12.     const float A = -0.75f;  
13.   
14.     float coeffsY[4];  
15.     coeffsY[0] = ((A*(fy + 1) - 5*A)*(fy + 1) + 8*A)*(fy + 1) - 4*A;  
16.     coeffsY[1] = ((A + 2)*fy - (A + 3))*fy*fy + 1;  
17.     coeffsY[2] = ((A + 2)*(1 - fy) - (A + 3))*(1 - fy)*(1 - fy) + 1;  
18.     coeffsY[3] = 1.f - coeffsY[0] - coeffsY[1] - coeffsY[2];  
19.   
20.     short cbufY[4];  
21.     cbufY[0] = cv::saturate_cast<short>(coeffsY[0] * 2048);  
22.     cbufY[1] = cv::saturate_cast<short>(coeffsY[1] * 2048);  
23.     cbufY[2] = cv::saturate_cast<short>(coeffsY[2] * 2048);  
24.     cbufY[3] = cv::saturate_cast<short>(coeffsY[3] * 2048);  
25.   
26.     for (int i = 0; i < matDst1.cols; ++i)  
27.     {  
28.         float fx = (float)((i + 0.5) * scale_x - 0.5);  
29.         int sx = cvFloor(fx);  
30.         fx -= sx;  
31.   
32.         if (sx < 1) {  
33.             fx = 0, sx = 1;  
34.         }  
35.         if (sx >= matSrc.cols - 3) {  
36.             fx = 0, sx = matSrc.cols - 3;  
37.         }  
38.   
39.         float coeffsX[4];  
40.         coeffsX[0] = ((A*(fx + 1) - 5*A)*(fx + 1) + 8*A)*(fx + 1) - 4*A;  
41.         coeffsX[1] = ((A + 2)*fx - (A + 3))*fx*fx + 1;  
42.         coeffsX[2] = ((A + 2)*(1 - fx) - (A + 3))*(1 - fx)*(1 - fx) + 1;  
43.         coeffsX[3] = 1.f - coeffsX[0] - coeffsX[1] - coeffsX[2];  
44.   
45.         short cbufX[4];  
46.         cbufX[0] = cv::saturate_cast<short>(coeffsX[0] * 2048);  
47.         cbufX[1] = cv::saturate_cast<short>(coeffsX[1] * 2048);  
48.         cbufX[2] = cv::saturate_cast<short>(coeffsX[2] * 2048);  
49.         cbufX[3] = cv::saturate_cast<short>(coeffsX[3] * 2048);  
50.   
51.         for (int k = 0; k < matSrc.channels(); ++k)  
52.         {  
53.             matDst1.at<cv::Vec3b>(j, i)[k] = abs((matSrc.at<cv::Vec3b>(sy-1, sx-1)[k] * cbufX[0] * cbufY[0] + matSrc.at<cv::Vec3b>(sy, sx-1)[k] * cbufX[0] * cbufY[1] +  
54.                 matSrc.at<cv::Vec3b>(sy+1, sx-1)[k] * cbufX[0] * cbufY[2] + matSrc.at<cv::Vec3b>(sy+2, sx-1)[k] * cbufX[0] * cbufY[3] +  
55.                 matSrc.at<cv::Vec3b>(sy-1, sx)[k] * cbufX[1] * cbufY[0] + matSrc.at<cv::Vec3b>(sy, sx)[k] * cbufX[1] * cbufY[1] +  
56.                 matSrc.at<cv::Vec3b>(sy+1, sx)[k] * cbufX[1] * cbufY[2] + matSrc.at<cv::Vec3b>(sy+2, sx)[k] * cbufX[1] * cbufY[3] +  
57.                 matSrc.at<cv::Vec3b>(sy-1, sx+1)[k] * cbufX[2] * cbufY[0] + matSrc.at<cv::Vec3b>(sy, sx+1)[k] * cbufX[2] * cbufY[1] +  
58.                 matSrc.at<cv::Vec3b>(sy+1, sx+1)[k] * cbufX[2] * cbufY[2] + matSrc.at<cv::Vec3b>(sy+2, sx+1)[k] * cbufX[2] * cbufY[3] +  
59.                 matSrc.at<cv::Vec3b>(sy-1, sx+2)[k] * cbufX[3] * cbufY[0] + matSrc.at<cv::Vec3b>(sy, sx+2)[k] * cbufX[3] * cbufY[1] +  
60.                 matSrc.at<cv::Vec3b>(sy+1, sx+2)[k] * cbufX[3] * cbufY[2] + matSrc.at<cv::Vec3b>(sy+2, sx+2)[k] * cbufX[3] * cbufY[3] ) >> 22);  
61.         }  
62.     }  
63. }  
64. cv::imwrite("cubic_1.jpg", matDst1);  
65.   
66. cv::resize(matSrc, matDst2, matDst1.size(), 0, 0, 2);  
67. cv::imwrite("cubic_2.jpg", matDst2);  

4、基于像素区域关系：共分三种情况，图像放大时类似于双线性插值，图像缩小(x轴、y轴同时缩小)又分两种情况，此情况下可以避免波纹出现。

[cpp]  view plain copy

1. cv::resize(matSrc, matDst2, matDst1.size(), 0, 0, 3);  
2. cv::imwrite("area_2.jpg", matDst2);  
3.   
4. double inv_scale_x = 1. / scale_x;  
5. double inv_scale_y = 1. / scale_y;  
6. int iscale_x = cv::saturate_cast<int>(scale_x);  
7. int iscale_y = cv::saturate_cast<int>(scale_y);  
8. bool is_area_fast = std::abs(scale_x - iscale_x) < DBL_EPSILON && std::abs(scale_y - iscale_y) < DBL_EPSILON;  
9.   
10. if (scale_x >= 1 && scale_y >= 1) //zoom out  
11. {  
12.     if (is_area_fast) //integer multiples  
13.     {  
14.         for (int j = 0; j < matDst1.rows; ++j)  
15.         {  
16.             int sy = j * scale_y;  
17.   
18.             for (int i = 0; i < matDst1.cols; ++i)  
19.             {  
20.                 int sx = i * scale_x;  
21.   
22.                 matDst1.at<cv::Vec3b>(j, i) = matSrc.at<cv::Vec3b>(sy, sx);  
23.             }  
24.         }  
25.         cv::imwrite("area_1.jpg", matDst1);  
26.         return 0;  
27.     }  
28.   
29.     for (int j = 0; j < matDst1.rows; ++j)  
30.     {  
31.         double fsy1 = j * scale_y;  
32.         double fsy2 = fsy1 + scale_y;  
33.         double cellHeight = cv::min(scale_y, matSrc.rows - fsy1);  
34.   
35.         int sy1 = cvCeil(fsy1), sy2 = cvFloor(fsy2);  
36.   
37.         sy2 = std::min(sy2, matSrc.rows - 1);  
38.         sy1 = std::min(sy1, sy2);  
39.   
40.         float cbufy[2];  
41.         cbufy[0] = (float)((sy1 - fsy1) / cellHeight);  
42.         cbufy[1] = (float)(std::min(std::min(fsy2 - sy2, 1.), cellHeight) / cellHeight);  
43.   
44.         for (int i = 0; i < matDst1.cols; ++i)  
45.         {  
46.             double fsx1 = i * scale_x;  
47.             double fsx2 = fsx1 + scale_x;  
48.             double cellWidth = std::min(scale_x, matSrc.cols - fsx1);  
49.   
50.             int sx1 = cvCeil(fsx1), sx2 = cvFloor(fsx2);  
51.   
52.             sx2 = std::min(sx2, matSrc.cols - 1);  
53.             sx1 = std::min(sx1, sx2);  
54.   
55.             float cbufx[2];  
56.             cbufx[0] = (float)((sx1 - fsx1) / cellWidth);  
57.             cbufx[1] = (float)(std::min(std::min(fsx2 - sx2, 1.), cellWidth) / cellWidth);  
58.   
59.             for (int k = 0; k < matSrc.channels(); ++k)  
60.             {  
61.                 matDst1.at<cv::Vec3b>(j, i)[k] = (uchar)(matSrc.at<cv::Vec3b>(sy1, sx1)[k] * cbufx[0] * cbufy[0] +   
62.                     matSrc.at<cv::Vec3b>(sy1 + 1, sx1)[k] * cbufx[0] * cbufy[1] +   
63.                     matSrc.at<cv::Vec3b>(sy1, sx1 + 1)[k] * cbufx[1] * cbufy[0] +   
64.                     matSrc.at<cv::Vec3b>(sy1 + 1, sx1 + 1)[k] * cbufx[1] * cbufy[1]);  
65.             }  
66.         }  
67.     }  
68.     cv::imwrite("area_1.jpg", matDst1);  
69.     return 0;  
70. }  
71.   
72. //zoom in,it is emulated using some variant of bilinear interpolation  
73. for (int j = 0; j < matDst1.rows; ++j)  
74. {  
75.     int  sy = cvFloor(j * scale_y);  
76.     float fy = (float)((j + 1) - (sy + 1) * inv_scale_y);  
77.     fy = fy <= 0 ? 0.f : fy - cvFloor(fy);  
78.   
79.     short cbufy[2];  
80.     cbufy[0] = cv::saturate_cast<short>((1.f - fy) * 2048);  
81.     cbufy[1] = 2048 - cbufy[0];  
82.   
83.     for (int i = 0; i < matDst1.cols; ++i)  
84.     {  
85.         int sx = cvFloor(i * scale_x);  
86.         float fx = (float)((i + 1) - (sx + 1) * inv_scale_x);  
87.         fx = fx < 0 ? 0.f : fx - cvFloor(fx);  
88.   
89.         if (sx < 0) {  
90.             fx = 0, sx = 0;  
91.         }  
92.   
93.         if (sx >= matSrc.cols - 1) {  
94.             fx = 0, sx = matSrc.cols - 2;  
95.         }  
96.   
97.         short cbufx[2];  
98.         cbufx[0] = cv::saturate_cast<short>((1.f - fx) * 2048);  
99.         cbufx[1] = 2048 - cbufx[0];  
100.   
101.         for (int k = 0; k < matSrc.channels(); ++k)  
102.         {  
103.             matDst1.at<cv::Vec3b>(j, i)[k] = (matSrc.at<cv::Vec3b>(sy, sx)[k] * cbufx[0] * cbufy[0] +   
104.                 matSrc.at<cv::Vec3b>(sy + 1, sx)[k] * cbufx[0] * cbufy[1] +   
105.                 matSrc.at<cv::Vec3b>(sy, sx + 1)[k] * cbufx[1] * cbufy[0] +   
106.                 matSrc.at<cv::Vec3b>(sy + 1, sx + 1)[k] * cbufx[1] * cbufy[1]) >> 22;  
107.         }  
108.     }  
109. }  
110. cv::imwrite("area_1.jpg", matDst1);  

5、兰索斯插值：由相邻的8*8像素计算得出，公式类似于双线性

[cpp]  view plain copy

1. int iscale_x = cv::saturate_cast<int>(scale_x);  
2. int iscale_y = cv::saturate_cast<int>(scale_y);  
3.   
4. for (int j = 0; j < matDst1.rows; ++j)  
5. {  
6.     float fy = (float)((j + 0.5) * scale_y - 0.5);  
7.     int sy = cvFloor(fy);  
8.     fy -= sy;  
9.     sy = std::min(sy, matSrc.rows - 5);  
10.     sy = std::max(3, sy);  
11.   
12.     const double s45 = 0.70710678118654752440084436210485;  
13.     const double cs[][2] = {{1, 0}, {-s45, -s45}, {0, 1}, {s45, -s45}, {-1, 0}, {s45, s45}, {0, -1}, {-s45, s45}};  
14.     float coeffsY[8];  
15.   
16.     if (fy < FLT_EPSILON) {  
17.         for (int t = 0; t < 8; t++)  
18.             coeffsY[t] = 0;  
19.         coeffsY[3] = 1;  
20.     } else {  
21.         float sum = 0;  
22.         double y0 = -(fy + 3) * CV_PI * 0.25, s0 = sin(y0), c0 = cos(y0);  
23.   
24.         for (int t = 0; t < 8; ++t)  
25.         {  
26.             double dy = -(fy + 3 -t) * CV_PI * 0.25;  
27.             coeffsY[t] = (float)((cs[t][0] * s0 + cs[t][1] * c0) / (dy * dy));  
28.             sum += coeffsY[t];  
29.         }  
30.   
31.         sum = 1.f / sum;  
32.         for (int t = 0; t < 8; ++t)  
33.             coeffsY[t] *= sum;  
34.     }  
35.   
36.     short cbufY[8];  
37.     cbufY[0] = cv::saturate_cast<short>(coeffsY[0] * 2048);  
38.     cbufY[1] = cv::saturate_cast<short>(coeffsY[1] * 2048);  
39.     cbufY[2] = cv::saturate_cast<short>(coeffsY[2] * 2048);  
40.     cbufY[3] = cv::saturate_cast<short>(coeffsY[3] * 2048);  
41.     cbufY[4] = cv::saturate_cast<short>(coeffsY[4] * 2048);  
42.     cbufY[5] = cv::saturate_cast<short>(coeffsY[5] * 2048);  
43.     cbufY[6] = cv::saturate_cast<short>(coeffsY[6] * 2048);  
44.     cbufY[7] = cv::saturate_cast<short>(coeffsY[7] * 2048);  
45.   
46.     for (int i = 0; i < matDst1.cols; ++i)  
47.     {  
48.         float fx = (float)((i + 0.5) * scale_x - 0.5);  
49.         int sx = cvFloor(fx);  
50.         fx -= sx;  
51.   
52.         if (sx < 3) {  
53.             fx = 0, sx = 3;  
54.         }  
55.         if (sx >= matSrc.cols - 5) {  
56.             fx = 0, sx = matSrc.cols - 5;  
57.         }  
58.   
59.         float coeffsX[8];  
60.   
61.         if (fx < FLT_EPSILON) {  
62.             for ( int t = 0; t < 8; t++ )  
63.                 coeffsX[t] = 0;  
64.             coeffsX[3] = 1;  
65.         } else {  
66.             float sum = 0;  
67.             double x0 = -(fx + 3) * CV_PI * 0.25, s0 = sin(x0), c0 = cos(x0);  
68.   
69.             for (int t = 0; t < 8; ++t)  
70.             {  
71.                 double dx = -(fx + 3 -t) * CV_PI * 0.25;  
72.                 coeffsX[t] = (float)((cs[t][0] * s0 + cs[t][1] * c0) / (dx * dx));  
73.                 sum += coeffsX[t];  
74.             }  
75.   
76.             sum = 1.f / sum;  
77.             for (int t = 0; t < 8; ++t)  
78.                 coeffsX[t] *= sum;  
79.         }  
80.   
81.         short cbufX[8];  
82.         cbufX[0] = cv::saturate_cast<short>(coeffsX[0] * 2048);  
83.         cbufX[1] = cv::saturate_cast<short>(coeffsX[1] * 2048);  
84.         cbufX[2] = cv::saturate_cast<short>(coeffsX[2] * 2048);  
85.         cbufX[3] = cv::saturate_cast<short>(coeffsX[3] * 2048);  
86.         cbufX[4] = cv::saturate_cast<short>(coeffsX[4] * 2048);  
87.         cbufX[5] = cv::saturate_cast<short>(coeffsX[5] * 2048);  
88.         cbufX[6] = cv::saturate_cast<short>(coeffsX[6] * 2048);  
89.         cbufX[7] = cv::saturate_cast<short>(coeffsX[7] * 2048);  
90.   
91.         for (int k = 0; k < matSrc.channels(); ++k)  
92.         {  
93.             matDst1.at<cv::Vec3b>(j, i)[k] = abs((matSrc.at<cv::Vec3b>(sy-3, sx-3)[k] * cbufX[0] * cbufY[0] + matSrc.at<cv::Vec3b>(sy-2, sx-3)[k] * cbufX[0] * cbufY[1] +  
94.                 matSrc.at<cv::Vec3b>(sy-1, sx-3)[k] * cbufX[0] * cbufY[2] + matSrc.at<cv::Vec3b>(sy, sx-3)[k] * cbufX[0] * cbufY[3] +  
95.                 matSrc.at<cv::Vec3b>(sy+1, sx-3)[k] * cbufX[0] * cbufY[4] + matSrc.at<cv::Vec3b>(sy+2, sx-3)[k] * cbufX[0] * cbufY[5] +  
96.                 matSrc.at<cv::Vec3b>(sy+3, sx-3)[k] * cbufX[0] * cbufY[6] + matSrc.at<cv::Vec3b>(sy+4, sx-3)[k] * cbufX[0] * cbufY[7] +  
97.   
98.                 matSrc.at<cv::Vec3b>(sy-3, sx-2)[k] * cbufX[1] * cbufY[0] + matSrc.at<cv::Vec3b>(sy-2, sx-2)[k] * cbufX[1] * cbufY[1] +  
99.                 matSrc.at<cv::Vec3b>(sy-1, sx-2)[k] * cbufX[1] * cbufY[2] + matSrc.at<cv::Vec3b>(sy, sx-2)[k] * cbufX[1] * cbufY[3] +  
100.                 matSrc.at<cv::Vec3b>(sy+1, sx-2)[k] * cbufX[1] * cbufY[4] + matSrc.at<cv::Vec3b>(sy+2, sx-2)[k] * cbufX[1] * cbufY[5] +  
101.                 matSrc.at<cv::Vec3b>(sy+3, sx-2)[k] * cbufX[1] * cbufY[6] + matSrc.at<cv::Vec3b>(sy+4, sx-2)[k] * cbufX[1] * cbufY[7] +  
102.   
103.                 matSrc.at<cv::Vec3b>(sy-3, sx-1)[k] * cbufX[2] * cbufY[0] + matSrc.at<cv::Vec3b>(sy-2, sx-1)[k] * cbufX[2] * cbufY[1] +  
104.                 matSrc.at<cv::Vec3b>(sy-1, sx-1)[k] * cbufX[2] * cbufY[2] + matSrc.at<cv::Vec3b>(sy, sx-1)[k] * cbufX[2] * cbufY[3] +  
105.                 matSrc.at<cv::Vec3b>(sy+1, sx-1)[k] * cbufX[2] * cbufY[4] + matSrc.at<cv::Vec3b>(sy+2, sx-1)[k] * cbufX[2] * cbufY[5] +  
106.                 matSrc.at<cv::Vec3b>(sy+3, sx-1)[k] * cbufX[2] * cbufY[6] + matSrc.at<cv::Vec3b>(sy+4, sx-1)[k] * cbufX[2] * cbufY[7] +  
107.   
108.                 matSrc.at<cv::Vec3b>(sy-3, sx)[k] * cbufX[3] * cbufY[0] + matSrc.at<cv::Vec3b>(sy-2, sx)[k] * cbufX[3] * cbufY[1] +  
109.                 matSrc.at<cv::Vec3b>(sy-1, sx)[k] * cbufX[3] * cbufY[2] + matSrc.at<cv::Vec3b>(sy, sx)[k] * cbufX[3] * cbufY[3] +  
110.                 matSrc.at<cv::Vec3b>(sy+1, sx)[k] * cbufX[3] * cbufY[4] + matSrc.at<cv::Vec3b>(sy+2, sx)[k] * cbufX[3] * cbufY[5] +  
111.                 matSrc.at<cv::Vec3b>(sy+3, sx)[k] * cbufX[3] * cbufY[6] + matSrc.at<cv::Vec3b>(sy+4, sx)[k] * cbufX[3] * cbufY[7] +  
112.   
113.                 matSrc.at<cv::Vec3b>(sy-3, sx+1)[k] * cbufX[4] * cbufY[0] + matSrc.at<cv::Vec3b>(sy-2, sx+1)[k] * cbufX[4] * cbufY[1] +  
114.                 matSrc.at<cv::Vec3b>(sy-1, sx+1)[k] * cbufX[4] * cbufY[2] + matSrc.at<cv::Vec3b>(sy, sx+1)[k] * cbufX[4] * cbufY[3] +  
115.                 matSrc.at<cv::Vec3b>(sy+1, sx+1)[k] * cbufX[4] * cbufY[4] + matSrc.at<cv::Vec3b>(sy+2, sx+1)[k] * cbufX[4] * cbufY[5] +  
116.                 matSrc.at<cv::Vec3b>(sy+3, sx+1)[k] * cbufX[4] * cbufY[6] + matSrc.at<cv::Vec3b>(sy+4, sx+1)[k] * cbufX[4] * cbufY[7] +  
117.   
118.                 matSrc.at<cv::Vec3b>(sy-3, sx+2)[k] * cbufX[5] * cbufY[0] + matSrc.at<cv::Vec3b>(sy-2, sx+2)[k] * cbufX[5] * cbufY[1] +  
119.                 matSrc.at<cv::Vec3b>(sy-1, sx+2)[k] * cbufX[5] * cbufY[2] + matSrc.at<cv::Vec3b>(sy, sx+2)[k] * cbufX[5] * cbufY[3] +  
120.                 matSrc.at<cv::Vec3b>(sy+1, sx+2)[k] * cbufX[5] * cbufY[4] + matSrc.at<cv::Vec3b>(sy+2, sx+2)[k] * cbufX[5] * cbufY[5] +  
121.                 matSrc.at<cv::Vec3b>(sy+3, sx+2)[k] * cbufX[5] * cbufY[6] + matSrc.at<cv::Vec3b>(sy+4, sx+2)[k] * cbufX[5] * cbufY[7] +  
122.   
123.                 matSrc.at<cv::Vec3b>(sy-3, sx+3)[k] * cbufX[6] * cbufY[0] + matSrc.at<cv::Vec3b>(sy-2, sx+3)[k] * cbufX[6] * cbufY[1] +  
124.                 matSrc.at<cv::Vec3b>(sy-1, sx+3)[k] * cbufX[6] * cbufY[2] + matSrc.at<cv::Vec3b>(sy, sx+3)[k] * cbufX[6] * cbufY[3] +  
125.                 matSrc.at<cv::Vec3b>(sy+1, sx+3)[k] * cbufX[6] * cbufY[4] + matSrc.at<cv::Vec3b>(sy+2, sx+3)[k] * cbufX[6] * cbufY[5] +  
126.                 matSrc.at<cv::Vec3b>(sy+3, sx+3)[k] * cbufX[6] * cbufY[6] + matSrc.at<cv::Vec3b>(sy+4, sx+3)[k] * cbufX[6] * cbufY[7] +  
127.   
128.                 matSrc.at<cv::Vec3b>(sy-3, sx+4)[k] * cbufX[7] * cbufY[0] + matSrc.at<cv::Vec3b>(sy-2, sx+4)[k] * cbufX[7] * cbufY[1] +  
129.                 matSrc.at<cv::Vec3b>(sy-1, sx+4)[k] * cbufX[7] * cbufY[2] + matSrc.at<cv::Vec3b>(sy, sx+4)[k] * cbufX[7] * cbufY[3] +  
130.                 matSrc.at<cv::Vec3b>(sy+1, sx+4)[k] * cbufX[7] * cbufY[4] + matSrc.at<cv::Vec3b>(sy+2, sx+4)[k] * cbufX[7] * cbufY[5] +  
131.                 matSrc.at<cv::Vec3b>(sy+3, sx+4)[k] * cbufX[7] * cbufY[6] + matSrc.at<cv::Vec3b>(sy+4, sx+4)[k] * cbufX[7] * cbufY[7] ) >> 22);// 4194304  
132.         }  
133.     }  
134. }  
135. cv::imwrite("Lanczos_1.jpg", matDst1);  
136.   
137. cv::resize(matSrc, matDst2, matDst1.size(), 0, 0, 4);  
138. cv::imwrite("Lanczos_2.jpg", matDst2);  

    以上代码的实现结果与 cv::resize 函数相同，但是执行效率非常低，只是为了详细说明插值过程。 OpenCV 中默认采用 C++ Concurrency 进行优化加速，你也可以采用 TBB 、 OpenMP 等进行优化加速。