双线性插值

要讲清楚这个问题，就要从如何放大一张图片说起。

图片放大

我们想得到一张放大的图片，现在有原图像（srcImage）和目标图像（dtsImage）。那么，有一个最基本的问题摆在我们面前：是遍历 srcImage 呢，还是遍历 dstImage 呢？（咋还整出代码来了呢？）
在实践的过程中，通常都是遍历 dstImage 的。因为这样可以确保 dstImage 的每一个像素都是有值的。
就拿上图的例子来说，右图（也就是 dstImage）中的 [0,0] 点很顺利的找到了左图中与自己对应的 [0,0] 点。然后 [0,1] 点就懵逼了：“我应该找 [0,0.33]，也没有这个点啊！”
插值这个方法，就是为了解决这个问题的。

插值

插值（Interpolation），按我们之前理解的就是在两个数中间插一个数呗。不过，老师说插值问题实际上是一种 拟合问题。
我之所以写这篇文章有一半的原因是因为这句话，因为我觉得这为我们的理解又提供了一种新思路。那么，怎样理解这句话呢？
还是以上一节中的例子为例。下面这幅图描述的是以为的情况，就相当于把上一节 srcImage 的第0行拿出来。f(xi-1) 是 [0,0] 的灰度值，f(xi) 是 [0,1] 的灰度值，f(xi+1) 是 [0,2] 的灰度值。f(x’) 就是我们想得到的 [0,0.3] 的灰度值。
所以，所谓插值就是用 x’ 某个领域内的函数值按照一定规则拟合出一个函数，再在其中查找 f(x’) 的值。

几种插值方法

我觉得这几种方法都不用解释了，就直接放图就可以了。
（好敷衍呐！）（闭嘴吧……）

不过这几张图还是很好的，很清晰明了。

1. 最近邻插值（Nearest Interpolation）

2. 线性插值（Linear Interpolation）

3. 双线性插值（Bilinear Interpolation）

基于上一节的理解，我们就可以设定任意规则去拟合，然后做插值了！可以用邻域的三个点、四个点拟合，甚至可以用二次曲线、三次曲线……

总结

写到这儿，我最开始犯的错误就很明显了。因为插值是对 srcImage 中某个邻域内进行插值，从而得到 dstImage 中某个像素值。而不是在 dstImage 中插值。
有些小伙伴可能会说，那这两种操作的值不是一样的吗？
针对放大、缩小这种变换，确实是一样的。但是如果是图像旋转、甚至扭曲呢？这就完全无法用 dstImage 中的点去插值了。（别问我咋知道的……）