一.插值方法
当我们对图像进行缩放或旋转等操作时，需要在新的像素位置上计算出对应的像素值。
而插值算法的作用就是根据已知的像素值来推测未知位置的像素值。
1.1 最近邻插值
CV2.INTER_NEAREST
其为 warpAffine() 函数的参数 flags的其一，表示最近邻插值。
这个方法是根据原图 与目标图 的坐标关系 来做填充，目标图中一点的坐标经过公式找到原图坐标然后找到像素点，然后填充进目标图中，也就是填充最近的像素。下面是公式：
-
dstX：目标图像中某点的x坐标，
-
dstY：目标图像中某点的y坐标，
-
srcWidth：原图的宽度，
-
dstWidth：目标图像的宽度；
-
srcHeight：原图的高度，
-
dstHeight：目标图像的高度。
-
而srcX 和srcY：目标图像中的某点对应的原图中的点的x和y的坐标。
如果计算出的是小数，则向下取整(防止取不到点)
1.2 双线性插值
CV2.INTER_LINEAR
原始图像的某些像素坐标可能不再是新图像中的整数 位置，这时就需要使用其他插值算法来确定这些非整数坐标的像素值。我们依然需要把目标图像的点映射到原图像上，公式不变。
先来看看单线性插值：
可见，单位像素值就是 (P2-P1)/(x2-x1) ，其中通过两点与目标点的关系给出表达式，简化后得到单线性插值的像素值公式。我们也容易理解，k2 的值是更大的，说明 P2 与 P关系更近。
而双线性插值就是做两次,分别在水平方向和垂直方向上做线性插值：
-
水平方向 ：根据 x 与 x0 和 x1 的关系计算出 P00 和 P10 、 P01 和 P11之间的插值结果。
-
垂直方向 ：将第一步的结果与 y 与 y0 和 y1 的关系结合，再在垂直方向上做一次线性插值。
1.3 像素区域插值
cv2.INTER_AREA
使用像素区域插值方法进行缩小图像时，它就会变成一个均值滤波器（就是一个卷积核），其工作原理可以理解为对一个区域内的像素值取平均值。目标图像的每个像素点，其值等于卷积核中所有像素值的均值。(依然需要目标图像与原图像的坐标对应公式。)
卷积核先往右边走，计算完一个值就移动一格，到边缘就换到下一行开始依次进行。
1.4 双三次插值
cv2.INTER_CUBIC
双三次插值法需要原图像中近邻的**16**个点来加权,也就是4x4的网格。
还是需要公式得出一点在原图像中的坐标，找到离它最近 的16个 像素点。此时坐标有小数，则把整数部分 与小数部分 分离为**(x+u,y+v)** 。取整数部分**(x,y)** ，这个时候就肯定会是16个像素点的其中之一 ，将其作为坐标原点 (是的你没有听错),然后再分别计算其他15个像素点的坐标。
再来到重点，把这15个像素点的横纵坐标都取出来，然后分别与取出来的小数部分u 或v 做差 ，再取绝对值 ，这就是每个像素点在一个方向上与原点的距离dw或dh 。随后再根据公式计算得出权重 ，再把像素值乘以对应权重，最后把所有乘积相加，就是插值后的像素值。
公式：
1.5 Lanczos插值
与双三次插值 的思想是一样的，不同的就是其需要的原图像周围的像素点的范围变成了8*8 ，并且不再使用BiCubic函数来计算权重，而是换了一个公式计算权重。
其中a通常取2或者3，当a=2时，该算法适用于图像缩小。a=3时，该算法适用于图像放大。