简单神经网络，图片缩放原理

简单神经网络大致分为三层

输入层:数据的输入

中间层:也就是隐藏层，隐藏层算法负责对数据进行一系列的操作，以达到

渐近值。主要是通过对输入的原始数据进行分析和运算生成一个新的估计数据。

用生成的数据和逼近算法，激励函数，不断的训练等以减少与目标数据误差，达到目标效果。再传送到输出层。

输出层:数据的输出

 图片的缩放

通过用opencv库可以对图片进行读取数据，写入，缩小放大，位移等等操作。

这里记录图片的缩小放大的两种方法的原理。主要有两种方法1是最近临域插值法，另一种是双线性插值法。

最近临域插值

src（原图片）数据矩阵大小10*20   

dst（操作后）数据矩阵大小5*10

图片的某一点像素可以通过横列定位找到（横x，列y）坐标。

某像素点  src（2,4）→dst（1,2）

dst（x）=2/（10/5），dst（y）=4/（20/10）

得到dst（1,2）。属于比例缩小，原始数据通过对，原始数据横列对操作后的数据横列乘或除

达到缩小放大。

无小数

双线性插值

有小数，但像素不是在这个小数上

例:某像素点x（15.2,22.3）

点15 ,22        点15  ,23

点16 ,22        点16  ,23

图如下

x（15.2）=A1*%20+A2*%80

x（22.3）=B1*%30+B2*%70

根据上下左右，距离小数点多少决定权重占百分比