图像处理中常见的几种插值方法：最近邻插值、双线性插值、双三次插值（附Pytorch测试代码）

零、前言

在学习可变形卷积时，因为学习到的位移量Δp_n可能是小数，因此作者采用双线性插值算法确定卷积操作最终采样的位置。通过插值算法我们可以根据现有已知的数据估计未知位置的数据，并且可以利用这种方法对图像进行缩放、旋转以及几何校正等任务。此处我通过这篇文章学习总结常见的三种插值方法，包括最近邻插值、双线性插值、双三次插值算法，其中双线性插值方法属于使用频率较高的方法，比如在Pytorch以及Tensorflow框架中默认的插值方法就是双线性插值方法。
我们知道在数字图像处理中，图像用下图表示，其中每个像素点的位置都是整数：

在进行插值前，首先会通过下面公式计算出目标图像中像素点位置映射回原图的位置是什么，此处分别使用dst、src表示目标图像和原图像，(x,y)为像素点坐标位置，这个公式尤为重要哦：

一、最近邻插值（Nearest Neighbor Interpolation）

1.相关介绍

最近邻插值，也称为零阶插值，这是最简单的插值方法，计算量较小，