线性插值和双线性插值

线性插值和双线性插值

使用一种UV分量的计算系数的方法，即计算各个（随机?）邻近点对中心目标点的影响，来得到目标点的近似灰度值。而非单一的由一个点来决定。

(1-u)*(1-v)

u*(1-v)

...

如果你的对应坐标是（2.5,4.5），那么最近的四个像素是（2，4）、（2，5）、（3，4），（3，5）。

若图像为灰度图像，那么（i，j）点的灰度值可以通过一下公式计算：

f(i,j)=w1*p1+w2*p2+w3*p3+w4*p4;

其中，pi(i=1,2,3,4)为最近的四个像素点，wi(i=1,2,3,4)为各点相应权值。关于权值的计算，在维基百科和百度百科上写的很明白。

对冲： 通过原图片与背景图片的相减，来识别出噪音。 相减的结果是背景为全白色了(255,255,255)。

图像缩放--OpenCV cvResize函数--最近邻插值---双线性插值--基本原理