深度学习中的上采样

上采样一些常见的方法有：近邻插值（nearest interpolation）、双线性插值(bilinear interpolation)，双三次插值（Bicubic interpolation），反卷积(Transposed Convolution)，反池化(Unpooling)。

近邻插值

最近邻插值法nearest_neighbor是最简单的灰度值插值。也称作零阶插值，就是令变换后像素的灰度值等于距它最近的输入像素的灰度值。最近邻插值法可应用于图像的缩放，因为简单的变换与计算，效果一般不好。举例说明其变换过程：

先假设一个2X2像素的图片采用最近邻插值法需要放大到4X4像素的图片，右边？该为多少。
　　
最近邻插值法坐标变换计算公式：
srcX=dstX*(srcWidth/dstWidth)
srcY=dstY*(srcHeight/dstHeight)

上式中，dstX与dstY为目标图像的某个像素的横纵坐标，dstWidth与dstHeight为目标图像的长与宽；srcWidth与srcHeight为原图像的宽度与高度。srcX，srcY为目标图像在该点（dstX，dstY）对应的原图像的坐标。至于公式为啥是这个样，和容易理解，如果是放大图像，(srcWidth/dstWidth)值小于1，同样将dstX同比例映射到原图像的srcX中，如果srcWidth/dstWidth=1，就相当于复制了图片。

与opencv一样，以左上角为(0,0)坐标。

右图为经过放大后的目标图像，？处的坐标为(3,2)，根据公式计算得到

srcX=3*(2/4)=1.5，srcY=2*(2/4)=1；故？处的像素应该为原图像中的(1.5,1)像素的值，但是像素坐标没有小数，一般采用四舍五入取最邻，所以最终的结果为(2,1)，对应原图像的橙色。其他类比得到放大后的图像：

双线性插值法（bilinear interpolation）

双线性插值法也叫双线性内插，其核心思想是在两个方向分别进行一次线性插值。双线性插值作为数值分析中的一种插值算法，广泛应用在信号处理，数字图像和视频处理等方面。
如坐标图所示，用横纵坐标代表图像像素的位置，f(x,y)代表该像素点(x,y)的彩色值或灰度值。

将图像放大或缩小，目的像素dst对应的原像素src中的坐标转换公式如下,公式很好理解，可参考上一章最近邻插值法。
srcX=dstX*(srcWidth/dstWidth)
srcY=dstY*(srcHeight/dstHeight)
上式中，dstX与dstY为目标图像的某个像素的横纵坐标，dstWidth与dstHeight为目标图像的长与宽；srcWidth与srcHeight为原图像的宽度与高度。srcX，srcY为目标图像在该点（dstX，dstY）对应的原图像的坐标。

现在假设目标图像的像素点(x’，y’)映射到原图像中是(x,y)，也就是图中的P点。设Q11 = (x1, y1)、Q12 = (x1, y2)、Q21 = (x2, y1) 、 Q22 = (x2, y2)，图中Q11,Q12,Q21,Q22分别为距离P点的最近的四个点。分别在X方向进行两次插值，最后在y方向进行插值即可得到目标图像的像素值。公式如下：
先计算X方向（也可以先计算Y方向，再计算X方向）的线性插值：

再在y方向进行线性插值得到f§：

经过公式的进一步化简可以得到

由于是最近的点，所以Q的四个点的坐标之间相差1，故进一步化简为：

参考文献：
https://www.cnblogs.com/wancy/p/15212604.html
https://www.cnblogs.com/wancy/p/15068519.html
https://www.cnblogs.com/wanghui-garcia/p/11399053.html
https://zhuanlan.zhihu.com/p/337745762