目录一、灰度值插值概念
二.最近邻插值法
三.双线性插值法
四.等权双线性插值法
五.不安全密钥加权双线性插值法
六.双三次插值法
七五种插值计算比较
一.灰度值插值概念返回目录
灰度值插值是图像转换所需的方法。 因为图像不是连续的函数，而是数字化的。 也就是说，它由与(离散的)灰度值相关联的像素组成。 在下图中，输出图像结果中的像素不再完全对应于输入图像中的一个像素。
插值是解决这种情况，并使用已知数据估计结果像素的灰度值，以使原始图像和结果图像的灰度值没有太大的差异。
最近邻插值法(nearest_neighbor )、双线性插值法(bilinear )、等权双线性插值法(constant )、令人不安的密钥加权双线性插值法(weighted )、双立方插值法)
二.最近邻插值法返回目录
方法一(最近邻插值法(最简单、最快、效果最低，仅用于时间要求最苛刻的APP应用)。
原理：将原始图像中心最接近结果像素中心的灰色值指定给结果像素，如下图所示。
旋转的像素将红框的该像素的灰度值作为自己的灰度值
三.双线性插值法返回目录
方法2 )双线性插值(结果图像的像素灰度值受原始图像中四个相邻像素的影响，因此结果图像比最近邻居方法更平滑，计算时间也更长) ) ) )。
原理：由周围四个相邻像素确定，如下图所示。
具体计算公式如下。
在公式中，像素中心点之间的距离是归一化的。 也就是说，是连接原始图像的4个像素中心的正方形，边的长度为1。 a、b表示距离，在图中容易理解； h表示灰度值。
注意:最近邻插值和双线性插值仅用于旋转和放大，不建议用于缩小的变换，并且会发生混叠。 为了解决这一问题，在放大缩小图像之前需要进行平滑处理，有利于均值和不稳定的密钥滤波，而“常数”和“权重”是引入这两种平滑方式的插值算法。
四.等权双线性插值法返回目录
方法三)等权双线性插值(由于图像缩小需要平滑处理，其计算时间多于双线性插值算法； 图像放大时，计算时间与双线性插值相同)
原理：如下图所示，首先对像素进行子采样得到子像素，子像素分别进行双线性插值得到各自的灰度值，最后将所有子像素的灰度值的平均值作为该像素的灰度值。
五.不安全密钥加权双线性插值法返回编目
方法四)不确定的密钥加权双线性插值(由于图像缩小需要平滑处理，且子采样后的子像素多于等权双线性插值，计算时间比前两者多； 图像放大时，计算时间与双线性插值相同)
原理：与等权双线性插值法类似，但分为3*3个子像素，每个子像素贡献自己灰度值时的权重不同。 不安的钥匙和光滑的口罩一样。
六.双三次插值法返回目录
特点:没有平滑效果，只支持旋转和放大，处理效果比最近邻插值法好很多； 仅旋转图像的处理方式与双线性插值相同，旋转放大的处理效果比双线性插值更好。 但是计算时间更长
七五种插值计算比较返回目录
因此，在选择插值算法时，必须综合考虑图像的变换情况、处理时间、处理质量等多个方面。