双线性插值原理及Python实现

转载自：双线性插值原理及Python实现 - 简书

下面是关于双线性插值的经典说明图例：

转载请注明出处

首先，图中有5个像素点：

，

，

，

，

。其中四个红色点

是原图的点，绿色点

就有意思了，理解了它的含义，对双线性插值原理就能有一个概念上的理解。
这个点

，其实是目标图的像素点在原图上的投影！

我们先跳出来想一下：

• 双线性插值用来做什么？在CV领域，通常是用来改变原图的尺寸。
• 那么目标图的每个像素点的像素值应该取多少呢？双线性插值的思路是，对于目标图的每个像素点，找到它在原图上最相关的四个点通过插值计算得到它的像素值。
• 原图上哪四个点是最相关的呢？我们可以把目标图的点，投影回到原图上，投影点四周距离最近的四个原图点就是了。

回到上面的图例：

四个红色点

就是投影点

的四周最近的点。通过四个红色点

，可以计算出投影点

的像素值，这样目标图上的像素点的像素值也就得到了。

接下来就有两个问题。

目标图的点如何投影到原图上？

已知：

1. 输入图的高和宽：

   

   ，

   

2. 目标图的高和宽：

   

   ，

   

投影的公式是：
 

但是这个公式有一个问题，可能会导致目标图的中心跟原图的中心不对齐。例如：原图是3x3，中心点坐标(1, 1)；目标图是9x9，中心点坐标(4, 4)；通过上面的公式计算，目标图中心点在原图的投影坐标：

。
之所以会出现中心点不对齐，原因是每个像素点实际上是一个边长为1的正方形，所以对于坐标为(

,

)的像素点，它的中心其实是(

,

)。所以精确计算应该是：

转换一下得到正确的投影公式：

如何插值计算得到投影点的像素值？

已知：

1. 四个红色点

   

   的坐标值：

   

   ，

   

   ，

   

   ，

   

2. 四个红色点

   

   的像素值：

   

   ，

   

   ，

   

   ，

   

3. 投影点

   

   的坐标值：

   

   ，

   

思路是：每个

点的像素值乘以各自的权重，然后相加得到投影点

像素值。

点跟

点的距离越近，它的权重就越大。
双线性插值给出的算法很是简单粗暴：先在横轴方向上进行两次线性插值计算，然后在纵轴方向上进行一次插值计算。结合最开始那个图例看，就是先求

和

这两个蓝色点的像素值，然后再通过这两个值，求得

点的像素值。
具体计算如下：

 

前面说了，四个红色点

是投影点

四周最近的点，显然四个红色点彼此间的距离都是1，也即

，

。上式可以写成：

再令：

，

，式子可以进一步写成：

至此，关于双线性插值的原理就全部讲完了。

作者：Jinglever
链接：https://www.jianshu.com/p/29e5c84ea539
来源：简书
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。