這里是引用https://www.cnblogs.com/amarr/p/10565188.html

最近鄰插值

這是最簡(jiǎn)單的一種插值算法，當(dāng)圖片放大時(shí)，缺少的像素通過(guò)直接使用與之最近原有顏色生成，也就是說(shuō)照搬旁邊的像素這樣做結(jié)果產(chǎn)生了明顯可見(jiàn)的鋸齒。在待求象素的四鄰象素中，將距離待求象素最近的鄰灰度賦給待求象素。

如果 i+u, j+v(i落在 A區(qū)，即 u<0.5,v<0.5，則將左上角象素的灰度值賦給待求象素，同理落在B區(qū)則賦予右上角的象素灰度值，落在C區(qū)則賦予左下角象素的灰度值，落在D區(qū)則賦予右下角象素的灰度值。
最近鄰插值法計(jì)算量較小，但可能會(huì)造成生的圖像灰度上的不連續(xù)，在變化地方可能出現(xiàn)明顯鋸齒狀。

雙線性插值

在數(shù)學(xué)上，雙線性插值是有兩個(gè)變量的插值函數(shù)的線形插值擴(kuò)展，其核心思想是在兩個(gè)方向分別進(jìn)行一次線性插值。

我們已知紅色數(shù)據(jù)點(diǎn)的值，通過(guò)雙線性插值得到綠色數(shù)據(jù)點(diǎn)的值。

假如我們想得到未知函數(shù) f 在點(diǎn) $$P=\left(x,y\right)$$$ 的值，假設(shè)我們已知函數(shù) f 在 $$Q_{11}=\left(x_1,y_1\right),Q_{12}=\left(x_1,y_2\right),Q_{21}=\left(x_2,y_1\right),及Q_{22}=\left(x_2,y_2\right)$$四個(gè)點(diǎn)的值。

首先在 x 方向進(jìn)行線性插值，得到
然后在 y 方向進(jìn)行線性插值，得到

這樣就得到所要的結(jié)果f(x,y)

這種插值方法的結(jié)果通常不是線性的，線性插值的結(jié)果與插值的順序無(wú)關(guān)。首先進(jìn)行 y 方向的插值，然后進(jìn)行 x 方向的插值，所得到的結(jié)果是一樣的。

雙線性內(nèi)插法的計(jì)算比最鄰近點(diǎn)法復(fù)雜，計(jì)算量較大但沒(méi)有灰度不連續(xù)的缺點(diǎn)，結(jié)果基本令人滿意。它具有低通濾波性質(zhì)，使高頻分量受損，圖像輪廓可能會(huì)有一點(diǎn)模糊。

這里是引用
http://www.pianshen.com/article/9180110157/

雙三次插值算法

雙三次插值（英語(yǔ)：Bicubic interpolation）是二維空間中最常用的插值方法。在這種方法中，函數(shù)f在點(diǎn) (x,y) 的值可以通過(guò)矩形網(wǎng)格中最近的十六個(gè)采樣點(diǎn)的加權(quán)平均得到，在這里需要使用兩個(gè)多項(xiàng)式插值三次函數(shù)，每個(gè)方向使用一個(gè)。

假設(shè)源圖像A大小為mn，縮放K倍后的目標(biāo)圖像B的大小為MN，即K=M/m。A的每一個(gè)像素點(diǎn)是已知的，B是未知的，我們想要求出目標(biāo)圖像B中每一像素點(diǎn)(X,Y)的值，必須先找出像素(X,Y)在源圖像A中對(duì)應(yīng)的像素(x,y)，再根據(jù)源圖像A距離像素(x,y)最近的16個(gè)像素點(diǎn)作為計(jì)算目標(biāo)圖像B(X,Y)處像素值的參數(shù)，利用BiCubic基函數(shù)求出16個(gè)像素點(diǎn)的權(quán)重，圖B像素(x,y)的值就等于16個(gè)像素點(diǎn)的加權(quán)疊加。

根據(jù)比例關(guān)系x/X=m/M=1/K，我們可以得到B(X,Y)在A上的對(duì)應(yīng)坐標(biāo)為A(x,y)=A(X*(m/M),Y*(n/N))=A(X/K,Y/K)。如圖所示P點(diǎn)就是目標(biāo)圖像B在(X,Y)處對(duì)應(yīng)于源圖像A中的位置，P的坐標(biāo)位置會(huì)出現(xiàn)小數(shù)部分，所以我們假設(shè) P的坐標(biāo)為P(x+u,y+v)，其中x,y分別表示整數(shù)部分，u,v分別表示小數(shù)部分（藍(lán)點(diǎn)到a11方格中紅點(diǎn)的距離）。那么我們就可以得到如圖所示的最近16個(gè)像素的位置，在這里用a(i,j)(i,j=0,1,2,3)來(lái)表示，如上圖。

我們要做的就是求出BiCubic函數(shù)中的參數(shù)x,從而獲得上面所說(shuō)的16個(gè)像素所對(duì)應(yīng)的權(quán)重W(x)。BiCubic基函數(shù)是一維的，而像素是二維的，所以我們將像素點(diǎn)的行與列分開(kāi)計(jì)算。BiCubic函數(shù)中的參數(shù)x表示該像素點(diǎn)到P點(diǎn)的距離，例如a00距離P(x+u,y+v)的距離為(1+u,1+v)，因此a00的橫坐標(biāo)權(quán)重i_0=W(1+u)，縱坐標(biāo)權(quán)重j_0=W(1+v)，a00對(duì)B(X,Y)的貢獻(xiàn)值為：（a00像素值）* i_0* j_0。因此，a0X的橫坐標(biāo)權(quán)重分別為W(1+u)，W(u)，W(1-u)，W(2-u)；ay0的縱坐標(biāo)權(quán)重分別為W(1+v)，W(v)，W(1-v)，W(2-v)；B(X,Y)像素值為：

總結(jié)

以上是生活随笔為你收集整理的图像放大的三种处理方法：最近邻插值，双线性插值 ，双三次插值算法的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。