固定点双线性插值算法

固定点（快）双线性插值算法。除
 用于内（x）的循环，该函数是相同的RGB
 的功能，但它们已被单独实现为求
 的速度。基本上，我们不希望有检查isRGB
 在x-环为每一个像素内，因为它是不必要 -
 我们只想要执行的是绝对的操作
 内（x）的循环中必要的。

 关于定点数学的一些注意事项：
    - 固定点数学是执行浮点运算的一种方法
     算术整数。
    - 举个例子来说，在这里存储的比特的16比特图像是16。
     我们需要确保我们不会溢出32位整数
     在我们所计算的固定点结果。
    - 基本上，一个固定点＃被表示为在一个整数
     格式，如果，在那里我是代表的比特数的
     数的整数部分，而F表示小数
     的一部分。
    - 当乘以或除以小数位被转移到
     左视小数位的＃中的数字
     被相乘。例如，如果我们乘以16.8
     （IF）由另一个16.8号数，我们得到了32.16（48位！）
     数作为结果。
    - 在下面的功能，你会发现，7位用于
     为＃的小数部分。这是因为我们能
     保证dx和dy的值是0和1之间，所以
     他们是0.7＃秒。和象素值（取决于＃位
     存储），可大到16位。因此，如果我们乘
     ＃就像这个一起，我们得到：
            16.7*0.7=16.14（30位）。
     留1位像素值品牌的（潜在的）迹象
     结果一个31位的数字。因此，图7是最大值
     我们可以使用这种类型的计算，而无需使用一个64位
     整数（这会减慢速度了很多！）。
    - 基本上，这是什么意思，如果我们使用7位小数
     在＃的一部分，是我们可以只计算＃S决议
     1/128〜0.007。所以，你可以认为这插值
     算法作为一个细分每个像素为128×128网格
     而插值使用有限部分的dx和dy
     （例如，1/128，128分之2，3/128）。
    - 这意味着，该算法是不是“真正的”双线性
     插值算法，但在大多数情况下它是非常接近的。
     最大绝对误差可以计算如下：

     考虑4个像素以下邻里：
                  00
              6553565535

     其中dx= DY=0.992187（略低于127/128）
     
     使用浮点运算，

     yInterpolated1=65535+（0-65535）*（0.992187）=512.025
     yInterpolated1=65535+（0-65535）*（0.992187）=512.025
     yInterpolated=512.025

     使用固定点，

     yInterpolated1=65535+（0-65535）*（126/128）=1023.984
     yInterpolated1=65535+（0-65535）*（126/128）=1023.984
     yInterpolated=1023.984

     对于这种极端的情况下，我们通过〜512，其小于
     像素值的总范围的1％。这是一个非常极端
     情况下 - 在大多数情况下，相邻的像素值是多
     靠得更近比这并导致一个更小的误差。

     亦认为，这样做插值的目的只是
     平滑的图像。与否的算法
     并计算*确切*几乎是无关紧要的。该
     插数据仅是一个近似值，并且在大多数
     情况下（也许除了在锋利的边缘边界）这
     近似是相当准确的。

     的误差也减小所存储的图像的位
     减小。例如，对于一个14位的图像时，错误将
     512/4 =128上面显示的极端情况。

 关于DICOM的符号表示附注：

 在DICOM中，负号表示为2的补码
 当符号位为高位，*不*最显著位。
 例如，在一个9位带符号的图像，-1将表示为
 0000000111111111*不*1111 1111 1111 1111。对于插值
 算术，这种表示是有问题的，所以我们
 DICOM的表示形式转换为标准表示由
 填充比特以上的高位为1的。在上面的例子中，
 这意味着，-1将由000000011111 1111变为
 1111 1111 1111 1111。