双线性插值

双线性插值，不仅仅可用来进行缩放，对于那些已知浮点坐标位置，要进行像素值重采样的，也很实用。比如变形，瘦脸、大眼等。

1、原理

最常见的原理分析

老生常谈的计算公式哈：(注意这个图的原点是在左下角，opencv里的坐标在左上角，所以其实就是y2>y1就好)

先x方向插值：

然后y方向插值；

正常我们按照这个拆分求解，其实就行了。绝对不会有问题。

可能大家还会看到一种简单的写法：假设浮点坐标表示为(i+u,j+v)的形式，那么

f(R1)=u(f(Q21)-f(Q11))+f(Q11) 

f(R2)=u(f(Q22)-f(Q21))+f(Q21) 

f(i+u,j+v) = v(f(R2) - f(R1)) + f(R1)

               = (1-u)(1-v)f(i,j) + (1-u)vf(i,j+1) + u(1-v)f(i+1,j) + uvf(i+1,j+1)（一步到位写法）

这里主要是用 x2 = x +（1-u）以及 u = x - x1带入原公式就好了。可以自己推倒下，这个公式，也比较容易记忆。

2、中心对齐

但是要注意的是，如图像之间是有缩放关系的，那要注意中心对齐的问题。

我们采用插值法的时候，一般都是遍历目的（dst）图像，然后在原图（Src）中计算对应的像素。但dst这个实际坐标值是浮点数，不管你用什么方式得到了这个浮点数，我们都可以这样

SrcX=(dstX+0.5)* (srcWidth/dstWidth) -0.5 
SrcY=(dstY+0.5) * (srcHeight/dstHeight)-0.5 

然后再开始插值哈。

我们来看个例子：

假设源图像是3*3，中心点坐标（1，1）目标图像是9*9，中心点坐标（4，4），我们在进行插值映射的时候，尽可能希望均匀的用到源图像的像素信息，最直观的就是（4,4）映射到（1,1）现在直接计算srcX=4*3/9=1.3333！=1，也就是我们在插值的时候所利用的像素集中在图像的右下方，而不是均匀分布整个图像。现在考虑中心点对齐，srcX=(4+0.5)*3/9-0.5=1，刚好满足我们的要求。

对应的效果就是这样：

                  对齐前                                                              对齐后

               ——>      

3、将浮点运算转换成整数运算

　　参考图像处理界双线性插值算法的优化 
　　直接进行计算的话，由于计算的srcX和srcY 都是浮点数，后续会进行大量的乘法，而图像数据量又大，速度不会理想，解决思路是： 
　　浮点运算→→整数运算→→”<<左右移按位运算”。 
　　放大的主要对象是u，v这些浮点数，OpenCV选择的放大倍数是2048“如何取这个合适的放大倍数呢，要从三个方面考虑， 
　　第一：精度问题，如果这个数取得过小，那么经过计算后可能会导致结果出现较大的误差。 
　　第二，这个数不能太大，太大会导致计算过程超过长整形所能表达的范围。 
　　第三：速度考虑。假如放大倍数取为12，那么算式在最后的结果中应该需要除以12*12=144，但是如果取为16，则最后的除数为16*16=256，这个数字好，我们可以用右移来实现，而右移要比普通的整除快多了。”我们利用左移11位操作就可以达到放大目的。