图像插值方法——从最近邻到双三次

June 8, 2026 物理世界开发计算机视觉, 图像处理, 插值算法, 超分辨率计算机视觉系列 2698 字 6 分钟阅读

为什么要插值

想象你有一张低分辨率照片，想把它放大打印。原图中每两个像素之间现在是"空白区域"——新像素从哪里来？

插值（interpolation）就是解决这个问题：利用已知像素的值，估算出未知位置的像素值。图像放大本质上就是插值问题。

$$ \text{新图像} = \text{插值算法}(\text{原图像素}) $$

插值质量直接影响放大后的图像效果。太简单的方法会产生马赛克，太复杂的方法可能带来振铃（ringing）伪影。下面我们循序渐进，从最简单的最近邻插值讲到最常用的双三次插值。

最近邻插值（Nearest Neighbor）

原理

最近邻插值是最直接的方法：对于目标图像中的每个新像素，找到原图中距离它最近的那个像素，直接复制其值。

数学表达

设目标坐标为 $(x, y)$，对应的原图像素坐标为：

$$ f(x, y) = I(\lfloor x + 0.5 \rfloor, \lfloor y + 0.5 \rfloor) $$

其中 $I$ 是原图，$\lfloor \cdot \rfloor$ 是向下取整，$+0.5$ 是四舍五入。

优缺点

优点：计算速度极快——只需一次查找操作
缺点：产生明显的锯齿状边缘和块状（blocky）伪影，质量最差

mermaid
flowchart TD
    TARGET["新像素位置<br/>(x, y)"] --> SEARCH["查找最近原图像素"]
    SEARCH --> COPY["直接复制像素值"]
    COPY --> RESULT["块状效果<br/>锯齿边缘"]

    classDef blue fill:#2196F3,color:#fff
    classDef orange fill:#FF9800,color:#fff
    classDef red fill:#f44336,color:#fff
    class TARGET,SEARCH blue
    class COPY orange
    class RESULT red

这个方法适合对速度要求极高、质量要求不高的场景（比如游戏中的快速预览）。

双线性插值（Bilinear Interpolation）

原理

双线性插值比最近邻更聪明：它利用目标位置周围 $2 \times 2$ 共 4 个像素的值，通过加权平均计算新像素。

为什么叫"双线性"？因为先在一个方向（比如 x 方向）做线性插值，然后在另一个方向（y 方向）再做线性插值，两个方向各一次，所以是"双"线性。

数学推导

设目标点 $(x, y)$ 周围四个像素为 $Q_{11}, Q_{12}, Q_{21}, Q_{22}$，它们的坐标分别是 $(x_1, y_1), (x_1, y_2), (x_2, y_1), (x_2, y_2)$。

第一步：在 x 方向做两次线性插值

先计算上边 $R_1$（位于 $Q_{11}$ 和 $Q_{21}$ 之间）：

$$ R_1 = \frac{x_2 - x}{x_2 - x_1} Q_{11} + \frac{x - x_1}{x_2 - x_1} Q_{21} $$

再计算下边 $R_2$（位于 $Q_{12}$ 和 $Q_{22}$ 之间）：

$$ R_2 = \frac{x_2 - x}{x_2 - x_1} Q_{12} + \frac{x - x_1}{x_2 - x_1} Q_{22} $$

第二步：在 y 方向做一次线性插值

$$ f(x, y) = \frac{y_2 - y}{y_2 - y_1} R_1 + \frac{y - y_1}{y_2 - y_1} R_2 $$

合并后得到最终的双线性插值公式。

直观理解

权重如何分配？离目标像素越近的原图像素，权重越大。如果 $(x, y)$ 正好在四个像素的中心，则四个像素权重各为 0.25；如果靠近左上角，则左上角 $Q_{11}$ 的权重最大。

mermaid
flowchart TD
    TOP["上边像素对<br/>Q11, Q21"]
    BOTTOM["下边像素对<br/>Q12, Q22"]
    TOP -->|x方向线性插值| R1["R1<br/>上边插值点"]
    BOTTOM -->|x方向线性插值| R2["R2<br/>下边插值点"]
    R1 -->|y方向线性插值| RESULT["最终结果<br/>f(x, y)"]
    R2 --> RESULT

    classDef px fill:#2196F3,color:#fff
    classDef proc fill:#FF9800,color:#fff
    classDef res fill:#4CAF50,color:#fff
    class TOP,BOTTOM px
    class R1,R2 proc
    class RESULT res

优缺点

优点：结果平滑，计算量适中，质量比最近邻好很多
缺点：会模糊图像边缘和细节——线性插值的平滑特性导致锐利边缘变软

双线性插值是图像处理中最常用的方法之一（OpenCV 的 resize 默认方法），适合大多数日常场景。

双三次插值（Bicubic Interpolation）

原理

双三次插值进一步扩大邻域：利用目标位置周围 $4 \times 4$ 共 16 个像素的值，通过三次多项式插值计算新像素。权重由三次插值核函数（cubic interpolation kernel）计算。

“双三次"同样指在两个方向（x 和 y）各做三次插值。

Keys 核函数

最常用的三次插值核是 Keys 核（Keys’ cubic kernel），分段定义为：

$$ W(x) = \begin{cases} (a+2)|x|^3 - (a+3)|x|^2 + 1 & |x| \leq 1 \ a|x|^3 - 5a|x|^2 + 8a|x| - 4a & 1 < |x| < 2 \ 0 & |x| \geq 2 \end{cases} $$

其中参数 $a$ 通常取 -0.5 或 -0.75。当 $a = -0.5$ 时，该核函数逼近理想的 sinc 函数：

$$ \text{sinc}(x) = \frac{\sin(\pi x)}{\pi x} $$

sinc 函数是图像重建中的理想滤波器，但它在无限远处才衰减到零，实际无法使用。Keys 核用有限支集截断了 sinc 函数，既保留了较好的频率特性，又保证了计算效率。

二维插值公式

对于目标位置 $(x, y)$，双三次插值的最终公式为：

$$ f(x, y) = \sum_{i=-1}^{2} \sum_{j=-1}^{2} I(x_i, y_j) \cdot W(x - x_i) \cdot W(y - y_j) $$

其中 $I(x_i, y_j)$ 是周围 16 个像素的值，$W$ 是 Keys 核函数。

直观理解

与双线性相比，双三次使用了更多的邻域像素（16 个 vs 4 个），并且权重分配更复杂——Keys 核在中心附近平滑过渡，在较远处快速衰减。这使得双三次插值能够更好地保留边缘和细节。

mermaid
flowchart TD
    NEIGHBOR["4x4 邻域<br/>16 个像素"]
    KERNEL["Keys 核函数<br/>计算权重"]
    WEIGHT["每个像素权重"]
    SUM["加权求和"]

    NEIGHBOR --> KERNEL
    KERNEL --> WEIGHT
    WEIGHT --> SUM

    classDef px fill:#2196F3,color:#fff
    classDef proc fill:#FF9800,color:#fff
    classDef res fill:#4CAF50,color:#fff
    class NEIGHBOR px
    class KERNEL,WEIGHT proc
    class SUM res

优缺点

优点：插值结果比双线性更锐利，边缘保持更好，质量更高
缺点：计算量大（16 个像素 vs 4 个），可能产生轻微振铃效应（ringing artifacts）——在强边缘附近出现波纹状伪影

双三次插值是高质量图像放大的首选方法，广泛应用于 Photoshop、GIMP 等图像编辑软件。

三种方法对比

下表总结了三种插值方法的特点：

方法	邻域像素	速度	质量	边缘保留	伪影类型
最近邻	1	⭐⭐⭐⭐⭐	⭐	❌ 差	块状、锯齿
双线性	4	⭐⭐⭐	⭐⭐⭐	⚖️ 中等	模糊
双三次	16	⭐	⭐⭐⭐⭐	✅ 好	振铃（轻微）

mermaid
flowchart TD
    SPEED["需要速度<br/>实时预览"]
    BALANCE["平衡速度和质量<br/>日常应用"]
    QUALITY["需要最高质量<br/>专业用途"]

    NN["最近邻插值<br/>Nearest Neighbor"]
    BI["双线性插值<br/>Bilinear"]
    BICUBIC["双三次插值<br/>Bicubic"]

    SPEED --> NN
    BALANCE --> BI
    QUALITY --> BICUBIC

    classDef orange fill:#FF9800,color:#fff
    classDef green fill:#4CAF50,color:#fff
    classDef red fill:#f44336,color:#fff
    class SPEED,BALANCE,QUALITY orange
    class NN red
    class BI orange
    class BICUBIC green