一、 图像放大算法 图像放大有许多算法，其关键在于对未知像素使用何种插值方式。以下我们将具体分析几种常见的算法，然后从放大后的图像是否存在色彩失真，图像的细节是否得到较好的保存，放大过程所需时间是否分配合理等多方面来比较它们的优劣。 当把一个小图像放大的时候，比如放大 400%，我们可以首先依据原来的相邻 4 个像素点的色彩值，按照放大倍数找到新的 ABCD 像素点的位置并进行对应的填充，但是它们之间存在的大量的像素点，比如 p 点的色彩值却是不可知的，需要进行估算。 图 1-原始图像的相邻 4 个像素点分布图 图 2-图像放大 4 倍后已知像素分布图 1、最临近点插值算法(Nearest Neighbor) 最邻近点插值算法是最简单也是速度最快的一种算法，其做法是將放大后未知的像素点P，將其位置换算到原始影像上，与原始的邻近的4 周像素点A,B,C,D 做比较，令P 点的像素值等于最靠近的邻近点像素值即可。如上图中的P 点，由于最接近D 点，所以就直接取P=D。 这种方法会带来明显的失真。在A,B 中点处的像素值会突然出现一个跳跃，这就是出现马赛克和锯齿等明显走样的原因。最临近插值法唯一的优点就是速度快。 2、双线性插值算法(Bilinear Interpolation) 其做法是將放大后未知的像素点P，將其位置换算到原始影像上，计算的四個像素点A,B,C,D 对 P 点的影响(越靠近P 点取值越大，表明影响也越大)，其示意图如下。 图3-双线性插值算法示意图 其具体的算法分三步： 第一步插值计算出AB 两点对 P 点的影响得到e 点的值。 图4-线性插值算法求值示意图 对线性插值的理解是这样的，对于AB 两像素点之间的其它像素点的色彩值，认定为直线变化的，要求e 点处的值，只需要找到对应位置直线上的点即可。换句话说，A,B 间任意一点的值只跟A,B 有关。 第二步，插值计算出CD 两点对P 点的影响得到f 点的值。 第三步，插值计算出ef 两点对P 点的影响值。 双线性插值算法由于插值的结果是连续的，所以视觉上会比最邻近点插值算法要好一些，不过运算速度稍微要慢一点，如果讲究速度，是一个不错的折衷。 3、双立方插值算法(Bicubic Interpolation) 双立方插值算法与双线性插值算法类似，对于放大后未知的像素点P，将对其影响的范围扩大到邻近的16 个像素点，依据对P 点的远近影响进行插值计算，因 P 点的像素值信息来自 16 个邻近点，所以可得到较细致的影像，不过速度比较慢。 图5-双线性...
