Opencv之双线性插值（包含一些优化技巧）

1.介绍

    对于双线性插值，学过图像处理的人，其理论应该是随手拈来，代码也是很容易被写出来的，我的上一篇博客：图像的缩放之c++实现（qt + 不调包）已经提到其实现方法和代码，但工业应用的时候，是和这个有区别的，建议读者把这两篇博客结合起来看，仔细品味其中的奥妙之处。

    奥秘之处在于两点：

    1）源图像和目标图像几何中心的对齐

     双线性插值算法及需要注意事项提到，如果起始点设置为（0，0）的时候，会导致一部分数据没被充分利用

    2）将浮点运算转换成整数运算

     图像处理界双线性插值算法的优化提到，对于插值运算，如果不做特别处理，肯定是有浮点数运算，因此可以先进行放大，接着进行整型运算，最后进行右移运算（缩小操作）

2.代码

#include <opencv2/opencv.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/core/core.hpp>
#include<iostream>

using namespace std;
using namespace cv;

void nearNeighbor(Mat& matSrc, Mat& matDst1, Mat& matDst2);

int main() {
	Mat matSrc, matDst1, matDst2;
	matSrc = imread("Lena.jpg", 2 | 4);
	matDst1 = Mat(cv::Size(800, 1000), matSrc.type(), Scalar::all(0));
	matDst2 = Mat(matDst1.size(), matSrc.type(), Scalar::all(0));
	bilinearity(matSrc, matDst1, matDst2);

	return 0;
}


//放大系数为2048，保证不溢出，且精确度比较高; 加0.5是保证几何中心，不然有些点用不到
void bilinearity(Mat& matSrc, Mat& matDst1, Mat& matDst2) {
	double scale_x = (double)matSrc.cols / matDst1.cols;
	double scale_y = (double)matSrc.rows / matDst1.rows;

	uchar* dataDst = matDst1.data;
	int stepDst = matDst1.step; //宽*3
	uchar* dataSrc = matSrc.data;
	int stepSrc = matSrc.step;
	int iWidthSrc = matSrc.cols;
	int iHiehgtSrc = matSrc.rows;

	for (int j = 0; j < matDst1.rows; ++j)
	{
		float fy = (float)((j + 0.5) * scale_y - 0.5);
		int sy = cvFloor(fy);
		fy -= sy;
		sy = std::min(sy, iHiehgtSrc - 2);
		sy = std::max(0, sy);

		short cbufy[2];
		cbufy[0] = cv::saturate_cast<short>((1.f - fy) * 2048);
		cbufy[1] = 2048 - cbufy[0];

		for (int i = 0; i < matDst1.cols; ++i)
		{
			float fx = (float)((i + 0.5) * scale_x - 0.5);
			int sx = cvFloor(fx);
			fx -= sx;

			if (sx < 0) {
				fx = 0, sx = 0;
			}
			if (sx >= iWidthSrc - 1) {
				fx = 0, sx = iWidthSrc - 2;
			}

			short cbufx[2];
			cbufx[0] = cv::saturate_cast<short>((1.f - fx) * 2048);
			cbufx[1] = 2048 - cbufx[0];

			for (int k = 0; k < matSrc.channels(); ++k)
			{
				*(dataDst + j*stepDst + 3 * i + k) = (*(dataSrc + sy*stepSrc + 3 * sx + k) * cbufx[0] * cbufy[0] +
					*(dataSrc + (sy + 1)*stepSrc + 3 * sx + k) * cbufx[0] * cbufy[1] +
					*(dataSrc + sy*stepSrc + 3 * (sx + 1) + k) * cbufx[1] * cbufy[0] +
					*(dataSrc + (sy + 1)*stepSrc + 3 * (sx + 1) + k) * cbufx[1] * cbufy[1]) >> 22;
			}
		}
	}
	cv::imwrite("linear_1.jpg", matDst1);

	cv::resize(matSrc, matDst2, matDst1.size(), 0, 0, 1);
	cv::imwrite("linear_2.jpg", matDst2);
}