导读
以前在学校里学过双线性插值，但是没怎么用过后面逐渐就忘记了。后来工作中遇到多次，发现每次都要上网查，主要还是理解的不深刻。于是索性用自己的话好好总结一下。
本文主要从几何方面来解释双线性插值，以便于理解。
双线性插值几何解释
为了便于说明，本文将一个2x2尺寸的图像(如图1)resize到3x3(如图1)来进行叙述。
图1 2x2图像坐标系
图2 3x3图像坐标系
图1、图2中每个坐标表示图像中的一个像素位置，为了计算图2中坐标处的像素值，显然要用到原图像(图1)。
将映射回原图，可得到对应的像素位置
，二者的关系可表示为：
，其中
。
一般情况下，坐标都是小数，但像素坐标显然都是整数，所以真正的像素值计算必然要从距离
最近的四个像素入手，如图1灰色方块的四个顶点。
为了便于说明这里将图1灰色方块单独拿出来，如图3所示：
图3 距离)
最近的四个点
从图3中容易想到，距离越近的像素点对其真正的像素值贡献系数越大；反之距离越远，则对真正的像素值贡献系数越小，因此容易得出：
;
其中：
1、;
2、;
3、;
4、;
5、;
6、;
有了上述公式，利用Python可以很容易实现双线性插值算法！
参考文献
1、双线性插值
