知识点：

四种最常见的图像插值算法

- INTER_NEAREST = 0

- INTER_LINEAR = 1

- INTER_CUBIC = 2

- INTER_LANCZOS4 = 4

相关API

void resize(InputArray src, OutputArray dst, Size dsize, double fx = 0, double fy = 0, int interpolation = INTER_LINEAR);

如果 Size 被设置的话，则根据 Size 做缩放插值；否则根据 fx 和 fy 做缩放插值。

应用场景

常被用于图像的几何变换、透视变换及插值计算新像素等。

在计算量方面，临近点插值计算量最小，双立方插值计算量最大；

在精度方面，临近点插值精度最低，具有明显的齿距效果，双立方插值的精度最高；

 

关于这四种插值算法的详细代码及理论解释可参考这位大神的博客

图像放缩之临近点插值 - CSDN博客

图像放缩之双线性内插值 - CSDN博客

图像放缩之双立方插值 - CSDN博客

图像处理之三种常见双立方插值算法 - CSDN博客

图像处理之Lanczos采样放缩算法 - CSDN博客

 

#ifndef DAY14
#define DAY14

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace std;
using namespace cv;

void day14() {

	Mat src = imread("G:\\opencvTest\\small.png");
	if (src.empty()) {
		cout << "could not load image.." << endl;
		return;
	}
	imshow("src", src);

	int h = src.rows;
	int w = src.cols;
	float fx = 0.0, fy = 0.0;
	Mat dst = Mat::zeros(src.size(), src.type());
	resize(src, dst, Size(w * 2, h * 2), fx = 0, fy = 0, INTER_NEAREST);
	imshow("INTER_NEAREST", dst);
	
	resize(src, dst, Size(w * 2, h * 2), fx = 0, fy = 0, INTER_LINEAR);
	imshow("INTER_LINEAR", dst);
	
	resize(src, dst, Size(w * 2, h * 2), fx = 0, fy = 0, INTER_CUBIC);
	imshow("INTER_CUBIC", dst);
	
	resize(src, dst, Size(w * 2, h * 2), fx = 0, fy = 0, INTER_LANCZOS4);
	imshow("INTER_LANCZOS4", dst);

	waitKey();
}

#endif // !DAY14