关于双线性插值的学习资料汇总

1.OpenCV ——双线性插值（Bilinear interpolation）

点击打开链接

介绍了双线性插值的原理和计算方法，并且提到了两点优化，不过关于优化解释的不够详细

2.图像处理界双线性插值算法的优化

点击打开链接

介绍了利用整数代替浮点数进行运算加速的优化

3.双线性插值算法及需要注意事项

点击打开链接

介绍了源图像和目标图像几何中心的对齐

4.OpenCV中resize函数五种插值算法的实现过程

点击打开链接

5.我的测试与理解

测试代码：

#include <opencv2\opencv.hpp>

using namespace std;
using namespace cv;

int main()
{
	//载入原图像
	cv::Mat src = cv::imread("C:\\Users\\dell\\Desktop\\xin1.jpg", 1);
	if (src.empty())
	{
		cout << "原图像载入失败！" << endl;
		return -1;
	}

	cv::Mat dst;
	cv::resize(src, dst, cv::Size(0.5 * src.cols, 0.5 * src.rows), 0, 0, INTER_LINEAR);

	return 0;
}

分析一下目标图像（resize之后的图）右下角点的值，其坐标为（0769,0479），其BGR = 089|222|235

运用坐标换算公式计算出在原图中的坐标

src.x=(dst.x + 0.5) * src_width/dst_width - 0.5

src.y=(dst.y + 0.5) * src_height/dst_height - 0.5

将数据带入公式：

src.x = (769 + 0.5) * 1540 / 770 - 0.5 = 1538.5

src.y = （479 + 0.5）* 961 /480 - 0.5 ≈ 959.49896

取整得点（1538, 959）

取此点附近的四个点，其BGR分别为

左上点（1538，959）  BGR = 89|222|236

右上点（1539，959） BGR = 89|222|236

左下点（1538，960） BGR = 89|223|235

右下点（1539，960） BGR = 89|223|235

带入公式f(i+u,j+v) = (1-u)(1-v)f(i,j) + (1-u)vf(i,j+1) + u(1-v)f(i+1,j) + uvf(i+1,j+1)分别计算BGR得：

B （1538.5，  959.49896）= （1 - 0.5）* （1 - 0.49896）* B（1538，959） + （1 - 0.5）* 0.49896 * B（1538，960）+ 0.5 * （1 - 0.49896）* B（1539，959）+ 0.5 *  0.49896 * B（1539，960）= 89

G（1538.5，  959.49896）= （1 - 0.5）* （1 - 0.49896）* G（1538，959） + （1 - 0.5）* 0.49896 * G（1538，960）+ 0.5 * （1 - 0.49896）* G（1539，959）+ 0.5 *  0.49896 * G（1539，960）= 222.49896

R（1538.5，  959.49896）= （1 - 0.5）* （1 - 0.49896）* R（1538，959） + （1 - 0.5）* 0.49896 * R（1538，960）+ 0.5 * （1 - 0.49896）* R（1539，959）+ 0.5 *  0.49896 * R（1539，960）= 235.48694

取整得点（1538.5，  959.49896）处BGR = 89|222|235,与目标图像中的值是一致的。(*^▽^*)

此处只是验证了OpenCV双线性插值的确采用了对齐处理，至于另一个优化，采用整数代替浮点数加速运算，在函数内部运行，

未能验证。其实要想验证，自己可以写一个正常计算和利用除2048以及>>22对比一下，这一部分暂时放一放，有时间再研究一下。