NEON优化——OpenCV WarpAffine最近邻

warpAffine一种典型的应用场景是将camera拍到的图像中人脸抠出来，通过变换输出一张正脸，然后再做一些人脸识别，关键点检测之类的运算。所以通常是输入尺寸固定，输出尺寸也固定，变的是转换矩阵。

最近邻的优势是计算量小，速度较快，问题是放大的情况下锯齿较明显，对于通常是缩小的应用场景最近邻是比较合适的，如果希望在所有的场景下有相对更好的效果，可以考虑双线性。

算法要点

warpAffine和resize其实比较类似，都是从源图像映射到目标图像，只不过resize只是单纯的缩放，而warpAffine还另外涉及到旋转，平移，映射关系更复杂一点。总体流程上还是大同小异，都是依次扫描目标图像，对于目标图像的每个点，都找到原始图像的对应点，然后拷贝像素即可。为了描述这种对应关系，resize只是单纯的乘以一个缩放系数，x和y是相互独立的，而warpAffine需要一个变换矩阵，目标图像的x和y对于原始图像的xy都有影响。

A0X + B0Y + C0 = X0
A1X + B1Y + C1 = Y0 

(X,Y)是目标图像的坐标，(X0,Y0)是原始图像的坐标，可见对于X0 ，目标图像的XY都会参与计算。

对于最近邻，这里算出来的(X0,Y0)如果不是整数，则向下取整。

由于是对目标图像逐行扫描，在y一定的情况下，x不断变化，因此上述矩阵运算中可以将与Y无关的部分单独抽出来，每一行都可以复用。

先给出原始的C实现，再来讨论怎么优化，以下代码只处理8UC4