转自http://blog.csdn.net/fengbingchun/article/details/17335477

最新版OpenCV2.4.7中，cv::resize函数有五种插值算法：最近邻、双线性、双三次、基于像素区域关系、兰索斯插值。下面用for循环代替cv::resize函数来说明其详细的插值实现过程，其中部分代码摘自于cv::resize函数中的源代码。

每种插值算法的前部分代码是相同的，如下：

  1. cv::Mat matSrc, matDst1, matDst2;
  2. matSrc = cv::imread("lena.jpg", 2 | 4);
  3. matDst1 = cv::Mat(cv::Size(800, 1000), matSrc.type(), cv::Scalar::all(0));
  4. matDst2 = cv::Mat(matDst1.size(), matSrc.type(), cv::Scalar::all(0));
  5. double scale_x = (double)matSrc.cols / matDst1.cols;
  6. double scale_y = (double)matSrc.rows / matDst1.rows;

1、最近邻：公式，

  1. for (int i = 0; i < matDst1.cols; ++i)
  2. {
  3. int sx = cvFloor(i * scale_x);
  4. sx = std::min(sx, matSrc.cols - 1);
  5. for (int j = 0; j < matDst1.rows; ++j)
  6. {
  7. int sy = cvFloor(j * scale_y);
  8. sy = std::min(sy, matSrc.rows - 1);
  9. matDst1.at<cv::Vec3b>(j, i) = matSrc.at<cv::Vec3b>(sy, sx);
  10. }
  11. }
  12. cv::imwrite("nearest_1.jpg", matDst1);
  13. cv::resize(matSrc, matDst2, matDst1.size(), 0, 0, 0);
  14. cv::imwrite("nearest_2.jpg", matDst2);

2、双线性：由相邻的四像素(2*2)计算得出，公式，

  1. uchar* dataDst = matDst1.data;
  2. int stepDst = matDst1.step;
  3. uchar* dataSrc = matSrc.data;
  4. int stepSrc = matSrc.step;
  5. int iWidthSrc = matSrc.cols;
  6. int iHiehgtSrc = matSrc.rows;
  7. for (int j = 0; j < matDst1.rows; ++j)
  8. {
  9. float fy = (float)((j + 0.5) * scale_y - 0.5);
  10. int sy = cvFloor(fy);
  11. fy -= sy;
  12. sy = std::min(sy, iHiehgtSrc - 2);
  13. sy = std::max(0, sy);
  14. short cbufy[2];
  15. cbufy[0] = cv::saturate_cast<short>((1.f - fy) * 2048);
  16. cbufy[1] = 2048 - cbufy[0];
  17. for (int i = 0; i < matDst1.cols; ++i)
  18. {
  19. float fx = (float)((i + 0.5) * scale_x - 0.5);
  20. int sx = cvFloor(fx);
  21. fx -= sx;
  22. if (sx < 0) {
  23. fx = 0, sx = 0;
  24. }
  25. if (sx >= iWidthSrc - 1) {
  26. fx = 0, sx = iWidthSrc - 2;
  27. }
  28. short cbufx[2];
  29. cbufx[0] = cv::saturate_cast<short>((1.f - fx) * 2048);
  30. cbufx[1] = 2048 - cbufx[0];
  31. for (int k = 0; k < matSrc.channels(); ++k)
  32. {
  33. *(dataDst+ j*stepDst + 3*i + k) = (*(dataSrc + sy*stepSrc + 3*sx + k) * cbufx[0] * cbufy[0] +
  34. *(dataSrc + (sy+1)*stepSrc + 3*sx + k) * cbufx[0] * cbufy[1] +
  35. *(dataSrc + sy*stepSrc + 3*(sx+1) + k) * cbufx[1] * cbufy[0] +
  36. *(dataSrc + (sy+1)*stepSrc + 3*(sx+1) + k) * cbufx[1] * cbufy[1]) >> 22;
  37. }
  38. }
  39. }
  40. cv::imwrite("linear_1.jpg", matDst1);
  41. cv::resize(matSrc, matDst2, matDst1.size(), 0, 0, 1);
  42. cv::imwrite("linear_2.jpg", matDst2);

3、双三次：由相邻的4*4像素计算得出，公式类似于双线性

  1. int iscale_x = cv::saturate_cast<int>(scale_x);
  2. int iscale_y = cv::saturate_cast<int>(scale_y);
  3. for (int j = 0; j < matDst1.rows; ++j)
  4. {
  5. float fy = (float)((j + 0.5) * scale_y - 0.5);
  6. int sy = cvFloor(fy);
  7. fy -= sy;
  8. sy = std::min(sy, matSrc.rows - 3);
  9. sy = std::max(1, sy);
  10. const float A = -0.75f;
  11. float coeffsY[4];
  12. coeffsY[0] = ((A*(fy + 1) - 5*A)*(fy + 1) + 8*A)*(fy + 1) - 4*A;
  13. coeffsY[1] = ((A + 2)*fy - (A + 3))*fy*fy + 1;
  14. coeffsY[2] = ((A + 2)*(1 - fy) - (A + 3))*(1 - fy)*(1 - fy) + 1;
  15. coeffsY[3] = 1.f - coeffsY[0] - coeffsY[1] - coeffsY[2];
  16. short cbufY[4];
  17. cbufY[0] = cv::saturate_cast<short>(coeffsY[0] * 2048);
  18. cbufY[1] = cv::saturate_cast<short>(coeffsY[1] * 2048);
  19. cbufY[2] = cv::saturate_cast<short>(coeffsY[2] * 2048);
  20. cbufY[3] = cv::saturate_cast<short>(coeffsY[3] * 2048);
  21. for (int i = 0; i < matDst1.cols; ++i)
  22. {
  23. float fx = (float)((i + 0.5) * scale_x - 0.5);
  24. int sx = cvFloor(fx);
  25. fx -= sx;
  26. if (sx < 1) {
  27. fx = 0, sx = 1;
  28. }
  29. if (sx >= matSrc.cols - 3) {
  30. fx = 0, sx = matSrc.cols - 3;
  31. }
  32. float coeffsX[4];
  33. coeffsX[0] = ((A*(fx + 1) - 5*A)*(fx + 1) + 8*A)*(fx + 1) - 4*A;
  34. coeffsX[1] = ((A + 2)*fx - (A + 3))*fx*fx + 1;
  35. coeffsX[2] = ((A + 2)*(1 - fx) - (A + 3))*(1 - fx)*(1 - fx) + 1;
  36. coeffsX[3] = 1.f - coeffsX[0] - coeffsX[1] - coeffsX[2];
  37. short cbufX[4];
  38. cbufX[0] = cv::saturate_cast<short>(coeffsX[0] * 2048);
  39. cbufX[1] = cv::saturate_cast<short>(coeffsX[1] * 2048);
  40. cbufX[2] = cv::saturate_cast<short>(coeffsX[2] * 2048);
  41. cbufX[3] = cv::saturate_cast<short>(coeffsX[3] * 2048);
  42. for (int k = 0; k < matSrc.channels(); ++k)
  43. {
  44. matDst1.at<cv::Vec3b>(j, i)[k] = abs((matSrc.at<cv::Vec3b>(sy-1, sx-1)[k] * cbufX[0] * cbufY[0] + matSrc.at<cv::Vec3b>(sy, sx-1)[k] * cbufX[0] * cbufY[1] +
  45. matSrc.at<cv::Vec3b>(sy+1, sx-1)[k] * cbufX[0] * cbufY[2] + matSrc.at<cv::Vec3b>(sy+2, sx-1)[k] * cbufX[0] * cbufY[3] +
  46. matSrc.at<cv::Vec3b>(sy-1, sx)[k] * cbufX[1] * cbufY[0] + matSrc.at<cv::Vec3b>(sy, sx)[k] * cbufX[1] * cbufY[1] +
  47. matSrc.at<cv::Vec3b>(sy+1, sx)[k] * cbufX[1] * cbufY[2] + matSrc.at<cv::Vec3b>(sy+2, sx)[k] * cbufX[1] * cbufY[3] +
  48. matSrc.at<cv::Vec3b>(sy-1, sx+1)[k] * cbufX[2] * cbufY[0] + matSrc.at<cv::Vec3b>(sy, sx+1)[k] * cbufX[2] * cbufY[1] +
  49. matSrc.at<cv::Vec3b>(sy+1, sx+1)[k] * cbufX[2] * cbufY[2] + matSrc.at<cv::Vec3b>(sy+2, sx+1)[k] * cbufX[2] * cbufY[3] +
  50. matSrc.at<cv::Vec3b>(sy-1, sx+2)[k] * cbufX[3] * cbufY[0] + matSrc.at<cv::Vec3b>(sy, sx+2)[k] * cbufX[3] * cbufY[1] +
  51. matSrc.at<cv::Vec3b>(sy+1, sx+2)[k] * cbufX[3] * cbufY[2] + matSrc.at<cv::Vec3b>(sy+2, sx+2)[k] * cbufX[3] * cbufY[3] ) >> 22);
  52. }
  53. }
  54. }
  55. cv::imwrite("cubic_1.jpg", matDst1);
  56. cv::resize(matSrc, matDst2, matDst1.size(), 0, 0, 2);
  57. cv::imwrite("cubic_2.jpg", matDst2);

4、基于像素区域关系：共分三种情况，图像放大时类似于双线性插值，图像缩小(x轴、y轴同时缩小)又分两种情况，此情况下可以避免波纹出现。

  1. cv::resize(matSrc, matDst2, matDst1.size(), 0, 0, 3);
  2. cv::imwrite("area_2.jpg", matDst2);
  3. double inv_scale_x = 1. / scale_x;
  4. double inv_scale_y = 1. / scale_y;
  5. int iscale_x = cv::saturate_cast<int>(scale_x);
  6. int iscale_y = cv::saturate_cast<int>(scale_y);
  7. bool is_area_fast = std::abs(scale_x - iscale_x) < DBL_EPSILON && std::abs(scale_y - iscale_y) < DBL_EPSILON;
  8. if (scale_x >= 1 && scale_y >= 1) //zoom out
  9. {
  10. if (is_area_fast) //integer multiples
  11. {
  12. for (int j = 0; j < matDst1.rows; ++j)
  13. {
  14. int sy = j * scale_y;
  15. for (int i = 0; i < matDst1.cols; ++i)
  16. {
  17. int sx = i * scale_x;
  18. matDst1.at<cv::Vec3b>(j, i) = matSrc.at<cv::Vec3b>(sy, sx);
  19. }
  20. }
  21. cv::imwrite("area_1.jpg", matDst1);
  22. return 0;
  23. }
  24. for (int j = 0; j < matDst1.rows; ++j)
  25. {
  26. double fsy1 = j * scale_y;
  27. double fsy2 = fsy1 + scale_y;
  28. double cellHeight = cv::min(scale_y, matSrc.rows - fsy1);
  29. int sy1 = cvCeil(fsy1), sy2 = cvFloor(fsy2);
  30. sy2 = std::min(sy2, matSrc.rows - 1);
  31. sy1 = std::min(sy1, sy2);
  32. float cbufy[2];
  33. cbufy[0] = (float)((sy1 - fsy1) / cellHeight);
  34. cbufy[1] = (float)(std::min(std::min(fsy2 - sy2, 1.), cellHeight) / cellHeight);
  35. for (int i = 0; i < matDst1.cols; ++i)
  36. {
  37. double fsx1 = i * scale_x;
  38. double fsx2 = fsx1 + scale_x;
  39. double cellWidth = std::min(scale_x, matSrc.cols - fsx1);
  40. int sx1 = cvCeil(fsx1), sx2 = cvFloor(fsx2);
  41. sx2 = std::min(sx2, matSrc.cols - 1);
  42. sx1 = std::min(sx1, sx2);
  43. float cbufx[2];
  44. cbufx[0] = (float)((sx1 - fsx1) / cellWidth);
  45. cbufx[1] = (float)(std::min(std::min(fsx2 - sx2, 1.), cellWidth) / cellWidth);
  46. for (int k = 0; k < matSrc.channels(); ++k)
  47. {
  48. matDst1.at<cv::Vec3b>(j, i)[k] = (uchar)(matSrc.at<cv::Vec3b>(sy1, sx1)[k] * cbufx[0] * cbufy[0] +
  49. matSrc.at<cv::Vec3b>(sy1 + 1, sx1)[k] * cbufx[0] * cbufy[1] +
  50. matSrc.at<cv::Vec3b>(sy1, sx1 + 1)[k] * cbufx[1] * cbufy[0] +
  51. matSrc.at<cv::Vec3b>(sy1 + 1, sx1 + 1)[k] * cbufx[1] * cbufy[1]);
  52. }
  53. }
  54. }
  55. cv::imwrite("area_1.jpg", matDst1);
  56. return 0;
  57. }
  58. //zoom in,it is emulated using some variant of bilinear interpolation
  59. for (int j = 0; j < matDst1.rows; ++j)
  60. {
  61. int  sy = cvFloor(j * scale_y);
  62. float fy = (float)((j + 1) - (sy + 1) * inv_scale_y);
  63. fy = fy <= 0 ? 0.f : fy - cvFloor(fy);
  64. short cbufy[2];
  65. cbufy[0] = cv::saturate_cast<short>((1.f - fy) * 2048);
  66. cbufy[1] = 2048 - cbufy[0];
  67. for (int i = 0; i < matDst1.cols; ++i)
  68. {
  69. int sx = cvFloor(i * scale_x);
  70. float fx = (float)((i + 1) - (sx + 1) * inv_scale_x);
  71. fx = fx < 0 ? 0.f : fx - cvFloor(fx);
  72. if (sx < 0) {
  73. fx = 0, sx = 0;
  74. }
  75. if (sx >= matSrc.cols - 1) {
  76. fx = 0, sx = matSrc.cols - 2;
  77. }
  78. short cbufx[2];
  79. cbufx[0] = cv::saturate_cast<short>((1.f - fx) * 2048);
  80. cbufx[1] = 2048 - cbufx[0];
  81. for (int k = 0; k < matSrc.channels(); ++k)
  82. {
  83. matDst1.at<cv::Vec3b>(j, i)[k] = (matSrc.at<cv::Vec3b>(sy, sx)[k] * cbufx[0] * cbufy[0] +
  84. matSrc.at<cv::Vec3b>(sy + 1, sx)[k] * cbufx[0] * cbufy[1] +
  85. matSrc.at<cv::Vec3b>(sy, sx + 1)[k] * cbufx[1] * cbufy[0] +
  86. matSrc.at<cv::Vec3b>(sy + 1, sx + 1)[k] * cbufx[1] * cbufy[1]) >> 22;
  87. }
  88. }
  89. }
  90. cv::imwrite("area_1.jpg", matDst1);

5、兰索斯插值：由相邻的8*8像素计算得出，公式类似于双线性

  1. int iscale_x = cv::saturate_cast<int>(scale_x);
  2. int iscale_y = cv::saturate_cast<int>(scale_y);
  3. for (int j = 0; j < matDst1.rows; ++j)
  4. {
  5. float fy = (float)((j + 0.5) * scale_y - 0.5);
  6. int sy = cvFloor(fy);
  7. fy -= sy;
  8. sy = std::min(sy, matSrc.rows - 5);
  9. sy = std::max(3, sy);
  10. const double s45 = 0.70710678118654752440084436210485;
  11. const double cs[][2] = {{1, 0}, {-s45, -s45}, {0, 1}, {s45, -s45}, {-1, 0}, {s45, s45}, {0, -1}, {-s45, s45}};
  12. float coeffsY[8];
  13. if (fy < FLT_EPSILON) {
  14. for (int t = 0; t < 8; t++)
  15. coeffsY[t] = 0;
  16. coeffsY[3] = 1;
  17. } else {
  18. float sum = 0;
  19. double y0 = -(fy + 3) * CV_PI * 0.25, s0 = sin(y0), c0 = cos(y0);
  20. for (int t = 0; t < 8; ++t)
  21. {
  22. double dy = -(fy + 3 -t) * CV_PI * 0.25;
  23. coeffsY[t] = (float)((cs[t][0] * s0 + cs[t][1] * c0) / (dy * dy));
  24. sum += coeffsY[t];
  25. }
  26. sum = 1.f / sum;
  27. for (int t = 0; t < 8; ++t)
  28. coeffsY[t] *= sum;
  29. }
  30. short cbufY[8];
  31. cbufY[0] = cv::saturate_cast<short>(coeffsY[0] * 2048);
  32. cbufY[1] = cv::saturate_cast<short>(coeffsY[1] * 2048);
  33. cbufY[2] = cv::saturate_cast<short>(coeffsY[2] * 2048);
  34. cbufY[3] = cv::saturate_cast<short>(coeffsY[3] * 2048);
  35. cbufY[4] = cv::saturate_cast<short>(coeffsY[4] * 2048);
  36. cbufY[5] = cv::saturate_cast<short>(coeffsY[5] * 2048);
  37. cbufY[6] = cv::saturate_cast<short>(coeffsY[6] * 2048);
  38. cbufY[7] = cv::saturate_cast<short>(coeffsY[7] * 2048);
  39. for (int i = 0; i < matDst1.cols; ++i)
  40. {
  41. float fx = (float)((i + 0.5) * scale_x - 0.5);
  42. int sx = cvFloor(fx);
  43. fx -= sx;
  44. if (sx < 3) {
  45. fx = 0, sx = 3;
  46. }
  47. if (sx >= matSrc.cols - 5) {
  48. fx = 0, sx = matSrc.cols - 5;
  49. }
  50. float coeffsX[8];
  51. if (fx < FLT_EPSILON) {
  52. for ( int t = 0; t < 8; t++ )
  53. coeffsX[t] = 0;
  54. coeffsX[3] = 1;
  55. } else {
  56. float sum = 0;
  57. double x0 = -(fx + 3) * CV_PI * 0.25, s0 = sin(x0), c0 = cos(x0);
  58. for (int t = 0; t < 8; ++t)
  59. {
  60. double dx = -(fx + 3 -t) * CV_PI * 0.25;
  61. coeffsX[t] = (float)((cs[t][0] * s0 + cs[t][1] * c0) / (dx * dx));
  62. sum += coeffsX[t];
  63. }
  64. sum = 1.f / sum;
  65. for (int t = 0; t < 8; ++t)
  66. coeffsX[t] *= sum;
  67. }
  68. short cbufX[8];
  69. cbufX[0] = cv::saturate_cast<short>(coeffsX[0] * 2048);
  70. cbufX[1] = cv::saturate_cast<short>(coeffsX[1] * 2048);
  71. cbufX[2] = cv::saturate_cast<short>(coeffsX[2] * 2048);
  72. cbufX[3] = cv::saturate_cast<short>(coeffsX[3] * 2048);
  73. cbufX[4] = cv::saturate_cast<short>(coeffsX[4] * 2048);
  74. cbufX[5] = cv::saturate_cast<short>(coeffsX[5] * 2048);
  75. cbufX[6] = cv::saturate_cast<short>(coeffsX[6] * 2048);
  76. cbufX[7] = cv::saturate_cast<short>(coeffsX[7] * 2048);
  77. for (int k = 0; k < matSrc.channels(); ++k)
  78. {
  79. matDst1.at<cv::Vec3b>(j, i)[k] = abs((matSrc.at<cv::Vec3b>(sy-3, sx-3)[k] * cbufX[0] * cbufY[0] + matSrc.at<cv::Vec3b>(sy-2, sx-3)[k] * cbufX[0] * cbufY[1] +
  80. matSrc.at<cv::Vec3b>(sy-1, sx-3)[k] * cbufX[0] * cbufY[2] + matSrc.at<cv::Vec3b>(sy, sx-3)[k] * cbufX[0] * cbufY[3] +
  81. matSrc.at<cv::Vec3b>(sy+1, sx-3)[k] * cbufX[0] * cbufY[4] + matSrc.at<cv::Vec3b>(sy+2, sx-3)[k] * cbufX[0] * cbufY[5] +
  82. matSrc.at<cv::Vec3b>(sy+3, sx-3)[k] * cbufX[0] * cbufY[6] + matSrc.at<cv::Vec3b>(sy+4, sx-3)[k] * cbufX[0] * cbufY[7] +
  83. matSrc.at<cv::Vec3b>(sy-3, sx-2)[k] * cbufX[1] * cbufY[0] + matSrc.at<cv::Vec3b>(sy-2, sx-2)[k] * cbufX[1] * cbufY[1] +
  84. matSrc.at<cv::Vec3b>(sy-1, sx-2)[k] * cbufX[1] * cbufY[2] + matSrc.at<cv::Vec3b>(sy, sx-2)[k] * cbufX[1] * cbufY[3] +
  85. matSrc.at<cv::Vec3b>(sy+1, sx-2)[k] * cbufX[1] * cbufY[4] + matSrc.at<cv::Vec3b>(sy+2, sx-2)[k] * cbufX[1] * cbufY[5] +
  86. matSrc.at<cv::Vec3b>(sy+3, sx-2)[k] * cbufX[1] * cbufY[6] + matSrc.at<cv::Vec3b>(sy+4, sx-2)[k] * cbufX[1] * cbufY[7] +
  87. matSrc.at<cv::Vec3b>(sy-3, sx-1)[k] * cbufX[2] * cbufY[0] + matSrc.at<cv::Vec3b>(sy-2, sx-1)[k] * cbufX[2] * cbufY[1] +
  88. matSrc.at<cv::Vec3b>(sy-1, sx-1)[k] * cbufX[2] * cbufY[2] + matSrc.at<cv::Vec3b>(sy, sx-1)[k] * cbufX[2] * cbufY[3] +
  89. matSrc.at<cv::Vec3b>(sy+1, sx-1)[k] * cbufX[2] * cbufY[4] + matSrc.at<cv::Vec3b>(sy+2, sx-1)[k] * cbufX[2] * cbufY[5] +
  90. matSrc.at<cv::Vec3b>(sy+3, sx-1)[k] * cbufX[2] * cbufY[6] + matSrc.at<cv::Vec3b>(sy+4, sx-1)[k] * cbufX[2] * cbufY[7] +
  91. matSrc.at<cv::Vec3b>(sy-3, sx)[k] * cbufX[3] * cbufY[0] + matSrc.at<cv::Vec3b>(sy-2, sx)[k] * cbufX[3] * cbufY[1] +
  92. matSrc.at<cv::Vec3b>(sy-1, sx)[k] * cbufX[3] * cbufY[2] + matSrc.at<cv::Vec3b>(sy, sx)[k] * cbufX[3] * cbufY[3] +
  93. matSrc.at<cv::Vec3b>(sy+1, sx)[k] * cbufX[3] * cbufY[4] + matSrc.at<cv::Vec3b>(sy+2, sx)[k] * cbufX[3] * cbufY[5] +
  94. matSrc.at<cv::Vec3b>(sy+3, sx)[k] * cbufX[3] * cbufY[6] + matSrc.at<cv::Vec3b>(sy+4, sx)[k] * cbufX[3] * cbufY[7] +
  95. matSrc.at<cv::Vec3b>(sy-3, sx+1)[k] * cbufX[4] * cbufY[0] + matSrc.at<cv::Vec3b>(sy-2, sx+1)[k] * cbufX[4] * cbufY[1] +
  96. matSrc.at<cv::Vec3b>(sy-1, sx+1)[k] * cbufX[4] * cbufY[2] + matSrc.at<cv::Vec3b>(sy, sx+1)[k] * cbufX[4] * cbufY[3] +
  97. matSrc.at<cv::Vec3b>(sy+1, sx+1)[k] * cbufX[4] * cbufY[4] + matSrc.at<cv::Vec3b>(sy+2, sx+1)[k] * cbufX[4] * cbufY[5] +
  98. matSrc.at<cv::Vec3b>(sy+3, sx+1)[k] * cbufX[4] * cbufY[6] + matSrc.at<cv::Vec3b>(sy+4, sx+1)[k] * cbufX[4] * cbufY[7] +
  99. matSrc.at<cv::Vec3b>(sy-3, sx+2)[k] * cbufX[5] * cbufY[0] + matSrc.at<cv::Vec3b>(sy-2, sx+2)[k] * cbufX[5] * cbufY[1] +
  100. matSrc.at<cv::Vec3b>(sy-1, sx+2)[k] * cbufX[5] * cbufY[2] + matSrc.at<cv::Vec3b>(sy, sx+2)[k] * cbufX[5] * cbufY[3] +
  101. matSrc.at<cv::Vec3b>(sy+1, sx+2)[k] * cbufX[5] * cbufY[4] + matSrc.at<cv::Vec3b>(sy+2, sx+2)[k] * cbufX[5] * cbufY[5] +
  102. matSrc.at<cv::Vec3b>(sy+3, sx+2)[k] * cbufX[5] * cbufY[6] + matSrc.at<cv::Vec3b>(sy+4, sx+2)[k] * cbufX[5] * cbufY[7] +
  103. matSrc.at<cv::Vec3b>(sy-3, sx+3)[k] * cbufX[6] * cbufY[0] + matSrc.at<cv::Vec3b>(sy-2, sx+3)[k] * cbufX[6] * cbufY[1] +
  104. matSrc.at<cv::Vec3b>(sy-1, sx+3)[k] * cbufX[6] * cbufY[2] + matSrc.at<cv::Vec3b>(sy, sx+3)[k] * cbufX[6] * cbufY[3] +
  105. matSrc.at<cv::Vec3b>(sy+1, sx+3)[k] * cbufX[6] * cbufY[4] + matSrc.at<cv::Vec3b>(sy+2, sx+3)[k] * cbufX[6] * cbufY[5] +
  106. matSrc.at<cv::Vec3b>(sy+3, sx+3)[k] * cbufX[6] * cbufY[6] + matSrc.at<cv::Vec3b>(sy+4, sx+3)[k] * cbufX[6] * cbufY[7] +
  107. matSrc.at<cv::Vec3b>(sy-3, sx+4)[k] * cbufX[7] * cbufY[0] + matSrc.at<cv::Vec3b>(sy-2, sx+4)[k] * cbufX[7] * cbufY[1] +
  108. matSrc.at<cv::Vec3b>(sy-1, sx+4)[k] * cbufX[7] * cbufY[2] + matSrc.at<cv::Vec3b>(sy, sx+4)[k] * cbufX[7] * cbufY[3] +
  109. matSrc.at<cv::Vec3b>(sy+1, sx+4)[k] * cbufX[7] * cbufY[4] + matSrc.at<cv::Vec3b>(sy+2, sx+4)[k] * cbufX[7] * cbufY[5] +
  110. matSrc.at<cv::Vec3b>(sy+3, sx+4)[k] * cbufX[7] * cbufY[6] + matSrc.at<cv::Vec3b>(sy+4, sx+4)[k] * cbufX[7] * cbufY[7] ) >> 22);// 4194304
  111. }
  112. }
  113. }
  114. cv::imwrite("Lanczos_1.jpg", matDst1);
  115. cv::resize(matSrc, matDst2, matDst1.size(), 0, 0, 4);
  116. cv::imwrite("Lanczos_2.jpg", matDst2);

以上代码的实现结果与cv::resize函数相同，但是执行效率非常低，只是为了详细说明插值过程。OpenCV中默认采用C++ Concurrency进行优化加速，你也可以采用TBB、OpenMP等进行优化加速。

resize函数有五种插值算法的更多相关文章

  1. 第196天：js---调用函数的五种方式

    一.普通方式 /*普通模式*/ // 声明一个函数,并调用 function func() { console.log("Hello World"); } func(); 二.函数 ...

  2. matlab自定义函数的五种表示（前2种重点）

    1.命令文件/函数文件+函数文件:多个M文件 2.函数文件+子函数:一个M文件 3. inline:无需M文件 4.符号表达式+subs方式:无需M文件 5.字符串+subs方式:无需M文件 第一种: ...

  3. 五种I/O模型和select函数简介

    一.五种I/O模型 1.阻塞I/O 我们在前面所说的I/O模型都是阻塞I/O,即调用recv系统调用,如果没有数据则阻塞等待,当数据到来则将数据从内核空间(套接口缓冲区)拷贝到用户空间(recv函数提 ...

  4. js 五种绑定彻底弄懂this，默认绑定、隐式绑定、显式绑定、new绑定、箭头函数绑定详解

     壹 ❀ 引 可以说this与闭包.原型链一样,属于JavaScript开发中老生常谈的问题了,百度一搜,this相关的文章铺天盖地.可开发好几年,被几道this题安排明明白白的人应该不在少数(我就是 ...

  5. 转：五种I/O模型和select函数简介

    源地址:http://blog.csdn.net/jnu_simba/article/details/9070955 一.五种I/O模型 1.阻塞I/O 我们在前面所说的I/O模型都是阻塞I/O,即调 ...

  6. JS五种绑定彻底弄懂this，默认绑定、隐式绑定、显式绑定、new绑定、箭头函数绑定详解(转载)

    目录 壹 ❀ 引 贰 ❀ this默认绑定 叁 ❀ this隐式绑定 1.隐式绑定 2.隐式丢失 肆 ❀ this显式绑定 伍 ❀ new绑定 陆 ❀ this绑定优先级 柒 ❀ 箭头函数的this ...

  7. opencv2.4.13.7的resize函数使用（c++）

    先来看一下resize函数的原型,如下. C++: void resize(InputArray src, OutputArray dst, Size dsize, double fx=0, doub ...

  8. 简述linux同步与异步、阻塞与非阻塞概念以及五种IO模型

    1.概念剖析 相信很多从事linux后台开发工作的都接触过同步&异步.阻塞&非阻塞这样的概念,也相信都曾经产生过误解,比如认为同步就是阻塞.异步就是非阻塞,下面我们先剖析下这几个概念分 ...

  9. php五种常见的设计模式（转载）

    很多人都想着写博客来记录编程生活中的点滴,我也不例外,但想了好长时间不知道写什么........万事开头难,先转载一篇吧..... 设计模式 一书将设计模式引入软件社区,该书的作者是 Erich Ga ...

随机推荐

  1. luogu 3375 KMP模板题

    #include<bits/stdc++.h> using namespace std; ,M = ; int next[N]; void getNext(char s[]) //找nex ...

  2. nyoj-3-多边形重心问题（求多边形面积和中心）

    题目链接 /* Name:nyoj-3-多边形重心问题 Copyright: Author: Date: 2018/4/26 21:25:41 Description: ACM国际大学生程序设计竞赛 ...

  3. BEC listen and translation exercise 9

    You will do foolish things, but do them with enthusiasm. 你难免会做傻事,但要做,就做得满怀激情. In addition, there sho ...

  4. Android Volley完全解析(四)，带你从源码的角度理解Volley

    转载请注明出处:http://blog.csdn.net/guolin_blog/article/details/17656437 经过前三篇文章的学习,Volley的用法我们已经掌握的差不多了,但是 ...

  5. [独孤九剑]Oracle知识点梳理（十）%type与%rowtype及常用函数

    本系列链接导航: [独孤九剑]Oracle知识点梳理(一)表空间.用户 [独孤九剑]Oracle知识点梳理(二)数据库的连接 [独孤九剑]Oracle知识点梳理(三)导入.导出 [独孤九剑]Oracl ...

  6. 14.Selenium+Python使用火狐浏览器问题解决

    一开始使用的是IE浏览器作为自动化浏览器,但是由于想学习无头模式,故选择FireFox作为浏览器,以下是遇到的相关问题: 1.简单代码 from selenium import webdriver d ...

  7. phpstorm win/mac git配置 破解

    http://blog.csdn.net/fenglailea/article/details/53350080 phpstorm中git配置教程: http://blog.csdn.net/knig ...

  8. 安装部署ELK系统监控Azure China的NSG和WAF Log

    ELK是一个开源的产品,其官网是:https://www.elastic.co/ ELK主要保护三个产品: Elasticsearch:是基于 JSON 的分布式搜索和分析引擎,专为实现水平扩展.高可 ...

  9. 使用PHP的GD2裁剪 + 缩放图片

    /** * 裁剪 + 缩放图片 * @param array $params 包含x,y,width,height,path * @return string */ public function t ...

  10. Linux驱动 - SPI驱动 之三 SPI控制器驱动

    通过第一篇文章,我们已经知道,整个SPI驱动架构可以分为协议驱动.通用接口层和控制器驱动三大部分.其中,控制器驱动负责最底层的数据收发工作,为了完成数据的收发工作,控制器驱动需要完成以下这些功能:1. ...