文章目录
1.图像缩放
视频缩放Scaler功能是图像处理中的一种常用功能,目的是将输入图像从一种分辨率转换到另一种分辨率输出，同时满足视频实时输入实时输出的要求。
图像缩放存在方向性：分为水平方向缩放和垂直方向缩放。
在某个方向上，目标图的分辨率比原图的分辨率大，在这个方向上为图像放大。
在某个方向上，目标图的分辨率比原图的分辨率小，在这个方向上为图像缩小。
2.目标图与原图像素对应关系
目标图的任意一个像素点都可以映射到原图某个特定的位置。缩放的过程就是利用原图相邻像素点计算出这个特定位置的像素点。
举一个一维简单的例子：从4个像素放大到7个像素，位置映射关系如下。先讲过概念叫缩放因子，也叫缩放步进。缩放因子sf = 原图/目标图 = 4/7 = 0.5714，利用缩放因子对目标图像素位置累加就可以得到在原图中对应位置。
两个概念区别：
缩放倍数sr = 目标图/原图 = 7/4 = 1.75(倍)
缩放因子sf = 1/sr = 原图/目标图 = 4/7 = 0.5714
二维图像缩放就是在水平和垂直两个方向分别做映射。假设(x,y)为目标图像的像素坐标，(x',y')为原图像的像素坐标，ver_skfactor，hor_skfactor分别为垂直和水平方向缩放因子，那么由目标图像像素点在原图像中映射的位置计算公式如下。
x' = x * hor_skfactor
y' = y * ver_skfactor
找到了在原图中对应像素位置，那接下来就是用插值算法进行计算。插值算法有很多，最近邻，双线性，双立方等等，本文不做讲述。
3.缩放因子计算公式
上面提到了缩放因子，那么上面的计算方法是否正确呢？
以上图4像素放大到像素为例，缩放因子sf = 原图/目标图 = 4/7 = 0.5714，结果目标图算到最后一个点对应原图位置是3.4285，超过了边界，感觉有问题。
所以这里涉及到一个问题，就是缩放因子计算是应该是sf=vin/vout，还是sf=(vin-1)/(vout-1)?
答案是要用sf=(vin-1)/(vout-1)这个公式。
原理：像素总数对应的是离散格点数，不是格子宽度。
W个图像像素可以理解为像素坐标：0 ~ W-1
首尾两个像素中心点，跨度是 W-1。
缩放是对像素跨度做映射，不是对像素个数。
举个例子：
输入 1920 点：坐标 0,1,2,...,1919
总有效跨度：1920−1=1919
输出 960 点：
总跨度 960−1=959
所以只有采用sf=(vin-1)/(vout-1)这个公式，才能保证以下效果。
· 输出第 0 点 → 映射输入第 0 点
· 输出最后一点 Wout−1 → 严格映射输入最后一点 Win−1
· 首尾严格对齐，整图线性无偏移、无拉伸、无越界
我们再回过头对4像素放大到7像素例子做验证，sf = (4-1)/(7-1)=0.5，这样目标图最后一个点刚好也对应原图最后一个点。
