图像插值算法概览及代码实现

目前，人们已经提出了很多图像插值算法，

首先给出图像插值定义：
图像插值是在基于模型框架下，从低分辨率图像生成高分辨率图像的过程，用以恢复图像中所丢失的信息。
分类

主要可以分为两类，一类是线性图像插值方法，另一类是非线性图像插值方法，如下图所示。传统的插值方法如最近邻插值，双线性插值以及双三次插值等都属于线性插值方法。这类插值方法在图像插值过程中采用同一种插值内核，不用考虑待插像素点所处的位置，这种做法会使图像中的边缘变得模糊不清，达不到高清图像的视觉效果。非线性插值方法主要包括：基于小波系数的方法基于边缘信息的方法其中，基于边缘信息的方法又可分为隐式方法和显式方法 两种。，其中隐式方法包含边缘导向插值(New edge directive interpolation，NEDI)，最小均方误差估计插值(Linear minimum mean square-error estimation，LMMSE)
软判决自适应插值(Soft-decision adaptive interpolation interpolation,SAI)，提出的边缘对比度引导的图像插值(Contrast-guideed image interpolation,CGI)等都是隐式的基于图像边缘的插值方法。

2.线性插值算法
主要有最邻近插值，双线性插值，双三次插值
这些算法在很多博客论坛都有相应的讲解五种线性插值介绍及实现，OpenCV当中也有相应的库，所以在此不再赘述。