快速图像匹配算法（图像插值算法）
快速图像匹配算法（图像插值算法）双线性插值方法的lena图片双线性插值将变换后的图片在高度及宽度方向上进行插值，保持了原始图片良好的连续性，但计算量较大。对于最近邻法，转后后图片像素点与原始图片像素点存在一对多（缩小）或多对一（放大）关系，在灰度值变化区域可能出现不连续现象，造成图片失真，因此用的较少。最近邻法放大的lena图片与最近邻法不同，双线性插值法是将映射后的像素点在邻域像素点内同时在高度与宽度方向上进行插值处理。如图所示，要求出（i u j v）像素点的灰度值，首先根据线性插值求出（i 1，j v）及（i，j v）处的灰度值，其灰度值分别为v*(f(i 1 j 1)-f(i 1 j)) f(i 1 j)及v*(f(i j 1)-f(i j)) f(i j)；在对（i 1，j v）及（i，j v）进行线性插值求出（i u j v）处的灰度值，为(1-u) * (1-v) * f(i j) (1-u) * v
图像分类、目标检测、图像分割、目标跟踪等是目前计算机视觉应用比较广泛的领域，其中图像分类是计算机视觉中的基础任务。进行图片分类之前，需要通过图像插值算法将图片转换成指定的尺寸。常用的图像插值算法有最近邻法、双线性插值、三次插值法等。
opencv实现的图像插值算法
最近邻法最近邻法是图像插值算法中最简单的一种，只需将转换后像素点的坐标映射到原始图片坐标中，将原始图中距离该点最近的像素点灰度值赋值给转后的像素点。例如，将3x3的图片转换成4x4的图片，转后后图片（3 3）像素点对应于原始图像素点坐标为（3*3/4=2.25 3*3/4=2.25），在原始图中与其最近的像素点坐标为（2 2），即将原始图（2 2）像素点灰度值赋值给（3 3）像素点。
最近邻法
对于最近邻法，转后后图片像素点与原始图片像素点存在一对多（缩小）或多对一（放大）关系，在灰度值变化区域可能出现不连续现象，造成图片失真，因此用的较少。
最近邻法放大的lena图片
双线性插值与最近邻法不同，双线性插值法是将映射后的像素点在邻域像素点内同时在高度与宽度方向上进行插值处理。如图所示，要求出（i u j v）像素点的灰度值，首先根据线性插值求出（i 1，j v）及（i，j v）处的灰度值，其灰度值分别为v*(f(i 1 j 1)-f(i 1 j)) f(i 1 j)及v*(f(i j 1)-f(i j)) f(i j)；在对（i 1，j v）及（i，j v）进行线性插值求出（i u j v）处的灰度值，为(1-u) * (1-v) * f(i j) (1-u) * v * f(i j 1) u * (1-v) * f(i 1 j) u * v * f(i 1 j 1)。
双线性插值将变换后的图片在高度及宽度方向上进行插值，保持了原始图片良好的连续性，但计算量较大。
双线性插值方法的lena图片
三次插值法三次插值法利用三次多项式S(x)逼近最佳插值函数sin(x)/x
待求像素（i u，j v）的灰度值由其周围16个灰度值加权内插得到，其灰度值为ABC，其中ABC分别为
由于同时对像素点周围邻域内16个点进行插值处理，三次插值法计算量大于上述两种，但效果优于最近邻法及双线性插值法。
