上采样（upsampling）（图像内插）——最邻近内插法、双线性内插法与双三次内插法

1. 基本概念

内插是在诸如放大、收缩、旋转和几何校正等任务中广泛应用的基本工具，内插是基本的图像重采样方法。从根本上来看，内插是用已知数据来估计未知位置的数值的处理。

2. 最邻近内插法、双线性内插法与双三次内插法

假设一幅大小为500×500像素的图像要放大1.5倍到750×750像素。一种简单的方法就是创建一个假想的750×750的网格，它与原始图像有相同的间隔，然后将其收缩，使它准确地原图像匹配。显然，收缩后的750×750网格的像素间隔要小于原图像的像素间隔。为了对覆盖的没一个点赋以灰度值，我们在原图像中寻找最接近的像素，并把该像素的灰度赋给750×750网格中的新像素。当我们完成对网格中覆盖的所有点的灰度赋值后，就把图像扩展到原来规定的大小，得到放大后的图像。这种方法就是最邻近内插法，因为这种方法把原图像中最邻近的灰度赋给每个新位置。这种方法虽简单，但可能会产生不希望的人为缺陷，如某些直边缘的严重失真。因此，该方法在实际中并不常用。

 

更实用的方法是双线性内插，在该方法中，我们用4个最邻近去估计给定位置的灰度。令（x,y）为我们想要赋以灰度值的位置（把它想象成前面所描述的网格点），并令v(x,y)表示灰度值。对于双线性内插来说，赋值是由下面的公式得到的：

v(x,y) = ax + by