「图像处理」双线性插值原理

双线性插值实现

在上一篇文章里，介绍了「最邻近差值」的原理与实现https://blog.csdn.net/Wang_Pro/article/details/106583069

这篇想总结一下学到的高级方法「双线性差值」的原理，再比较一下这两种方法的最大不同在哪里

双线性差值

如图：

“双”体现在插值公式在不同轴x,y上的计算次数，简单来说就是：
1）找到一个区间（x1, x2）之间的值x；
2）找到另一个区间（y1, y2）之间的值y；
最后确定点P（x, y）。

第一个问题来了，“什么情况下才需要用到双线性差值呢？”，在放大图像的时候用得到。

所以为了解决这个问题，更精确的问题可以被描述为“如何将放大图片的每个像素通过一定的法则，一一对应到原始图像？”

之前的方法「最邻近差值」在完成对应时是通过将计算完成的坐标四舍五入完成一一对应，例如放大图像中有一个像素点（51, 51）需要判断应该对应哪一个原图像素，假设被放大了2倍，则（51/2, 51/2）–>(25.5, 25.5)，小数产生了，「最邻近差值」通过四舍五入的方式将(25.5, 25.5)对应到了原图像的（26, 26），这样的解决方式在放大图像中会出现马赛克，

所以有了更加精确的做法「双线性差值」，放大图像中的像素不确定与哪一个原图像素对应时，我们先找到这个像素被对应到原图的坐标（P+i,Q+j）P,Q表示放大像素中的整数值，i,j代表小数值

接下来，利用（P+i,Q+j）找到这个像素的四邻域:

(P,Q)	(P,Q+1)
(P+1,Q)	(P+1,Q+1)

将权值赋予四邻域，计算出新值。完事

那么“权值信息怎么获取到呢？”，回答是使用小数值i与j完成，所以解决这个问题，双线性差值最难的问题就被解决了

这里就不放差值公式了，两个像素之间的距离默认是1，且0< i｜j <1， 所以ij可以被当作是到4邻域的距离，把到不同像素点的距离称为权值，在合适不过了

所以: f(P+i,Q+j)= (1-i)(1-j)(P,Q) + (i)(1-j)*(P+1,Q)+ (1-i)(j)|(P,Q+1) + (i)(j)*(P+1,Q+1)
通过这个公式就可以计算出新值。

编程思路：
1）读图像的原始信息高、宽，指定放大倍数
2）创建x_index,y_index矩阵
3）计算被放大后的图像的原始矩阵（矩阵内值未确定）
a.对x_index运用差值公式
b.对y_index运用差值公式
4）得到差值公式的整数与小数部分
5）将小数矩阵（h,w）–>(h,w,c)与原图的通道相同
6）使用距离权值公式计算出新坐标