5 .图像的缩放，线性插值算法

 图像的线性插值算法，其实非常简单。
 我们先从一维的插值开始推导相关的公式。
 如果插值前的长度是w，插值后的长度是w'
 那么对于插值后坐标为i的点，在插值前就是x=i*w/w'，这个数值如果取整为n=[x]，这个位置会落在
 n,n+1之间。那么插值后这个点的数值应该是就是点n,n+1的线性插值。
假定插值前的一位数组值是s[w], 插值后的是s2[w']所以一维插值算法如下：

int i,n;
float f;
for(i=0; i<w; i++)
{
   f=i*w/w'; n=f; f=f-n;
   s2[i]=s[n]*(1-f)+s[n+1]*f;
}

上面是使用浮点数计算法，实际使用的时候可以使用定点方法来计算，我们这里把浮点数扩大1024倍来计算
int i,n,f;
for(i=0; i<w; i++)
{
   n=i*w/w'; f=1024*i*w1/w2-1024*n;
   s2[i]=(s[n]*(1024-f)+s[n+1]*f)>>10;
}

同样的办法，插值两次就变成了二位图像插值算法。注意，我们临时的图像数组大小是512*512，插值后的图像
大小不能超过这个，否则会产生内存越界的错误。
void scale_img(unsigned char* pImgIn, int w1, int h1, unsigned char* pImgOut, int w2, int h2)
{
    int i, j;
    int i0, j0;
    int f1, f2;
 unsigned char pImg[512*512];
        
    for(j=w2-1; j>=0; j--)
    {
        j0 = j*w1/w2;
        f1 = 1024*j*w1/w2-1024*j0;
        f2 = 1024-f1;
        for(i=0; i<h1; i++)
        {
            pImg[i*w2+j]=(unsigned char)((pImgIn[i*w1+j0]*f2+pImgIn[i*w1+j0+1]*f1)>>10);
        }

    }//宽度插值

    for(i=h2-1; i>=0; i--)
    {
        i0 = i*h1/h2;
        f1 = 1024*i*h1/h2-1024*i0;
        f2 = 1024-f1;

        for(j=0; j<w2; j++)
        {
            pImgOut[i*w2+j]=(unsigned char)((pImg[i0*w2+j]*f2+pImg[(i0+1)*w2+j]*f1)>>10);
        }
    }//高度插值
}

下面是把我们的图像插值成原来的88%，125%
int step5(void)
{
 int w, h, w2, h2, w3, h3;
 unsigned char *pImg, *pImg2, *pImg3;

 printf("step5: scale image test!/n");
 pImg= read_bmp("test.bmp", &w, &h);
 if(pImg==NULL) return -1;

 w2=(int)(0.88*w);  h2=(int)(0.88*h);
 w3=(int)(1.25*w);  h3=(int)(1.25*h);

 pImg2=(unsigned char*)malloc(256*256);
 pImg3=(unsigned char*)malloc(w3*h3);
 scale_img(pImg, w, h, pImg2, w2, h2);
 write_bmp("test5a.bmp", pImg2, w2, h2);
 scale_img(pImg, w, h, pImg3, w3, h3);
 write_bmp("test5b.bmp", pImg3, w3, h3);
 free(pImg3);
 free(pImg2);

 return 1;
}

这是插值后的效果图，源代码已经同步更新

http://blog.sina.com.cn/s/blog_591eaae60100rmdr.html