图像插值（最近邻插值法 和 双线性插值法）

所谓近朱者赤近墨者黑，无论什么插值方法根本思想都是一样的。

先讲一下最近邻插值法，就是找到未知像素点相邻的4个已知像素点，然后判断哪一个像素离着未知像素点近，就让那个点同化未知像素点，赋予未知点同样的像素值。

当然你会说，我们还不知道怎么把小图上的点放置到大图上的位置上去，而且两图不成比例的话更不好放置了，那又怎么去寻找位置点以及未知点周围的点呢？而且边缘的点还未必能够找的到4个邻居。

但是实际处理的时候不用考虑那么多，我们直接按照下面的式子去处理：

 使用目标图的坐标乘以两图的长宽比例得到原图的坐标，当然这个坐标可能会是小数，就直接四舍五入了，这样就得到了两个图像中坐标的对应关系，使它们具备同样的像素值即可。

就这么简单，缺点也很明显，插值后你放大图像就像打了马赛克一样，失真严重。

----------------------------------------------------------------------------------------------------------------------------------

双线性插值法是图像插值的一个重要方法，下面我们来看一下，我尽量通俗的把它介绍一下。

首先我们先看一下什么是单线性插值。

比如给你上面这个图，本来有两个大师x0和x1，他们的法力值为f(x0)和f(x1),现在在某个地方出现了一个徒弟x，那么请问徒弟学会了多少法力呢？博主是个感性的人，f(x)可以直接理解为x0或x1离x越近产生的影响越大，那么f(x)就等于x0和x1距离x的相应比比例乘以f(x1)和f(x0)求和，然后就得到下面的式子了：

如果把f(x0)和f(x1)看成像素值，x0和x1看成一维坐标，那么这就是一个单线性插值的图像问题了。

而双线性插值呢就是在x,y两个方向上进行了3次单线性插值。

看下面左边的图，P点为待求点，Q11、Q12、Q21、Q22分别是离P点最近的4个已有点。右边的立体图则更形象一些，可以把右边图中的高度看成像素灰度值，黄色点标错了，应该是（x,y）点，其他点都是棕色的。

 我们要求P点的像素值，就先在X方向上进行两次单线性插值求得R1和R2的值。

 

 然后在Y方向上进行一次单线性插值。

 

 把上面三次插值处理的式子结合起来，也就得到了我们要求的P点的像素值，如下：

 

这样我们就求得P点的像素值了，有没有发现分母都是1？在实际用的时候又会引出其他的问题比如中心对齐问题，大家自己去看相关资料吧。

但是双线性插值是有缺点的：

（1）该方法具有很好的平滑作用，但是平滑作用会使细节退化，放大后很明显。

（2）不连续性会产生我们不想要的结果。本来我们需要像素值值不连续或者有剧烈变化，但处理后该特征消失。

-----------------------------------------------------------------------------------------------------------------------------------

此外还有高阶插值，又称双三次插值法，理解起来就困难一些了，先上一张关键图，以后有时间我在分析一下。