双线性插值是指在两个方向上应用线性插值。因此，它使用 4 个最近邻，取它们的加权平均值来产生输出
那么，我们首先讨论什么是线性插值以及它是如何执行的？
线性插值意味着我们使用线性多项式来估计值。假设我们有 2 个点，其值为 10 和 20，并且我们想要猜测它们之间的值。简单的线性插值看起来像这样
最接近的值给予更多的权重（参见上图中的1/3和2/3）。对于 2D（例如图像），我们必须沿行执行此操作两次，然后沿列执行此操作两次，这就是为什么它被称为双线性插值。
双线性插值算法：
假设我们有 4 个像素位于 (0,0)、(1,0)、(0,1) 和 (1,1)，并且我们想要找到 (0.3,0.4) 处的值。
首先，通过线性插值沿行查找值，即位置 A:(0,0.4) 和 B:(1,0.4) 处的值。
得到A和B处的值后，对A和B之间的点(0.3,0.4)进行线性插值，这就是最终结果。
让我们看看如何对图像执行此操作。我们从之前的博客中获取相同的 2×2 图像，并希望将其放大 2 倍，如下所示
与我们在上一篇博客中采用的假设相同，像素的大小为 1 并且位于中心。
让我们以“P1”为例。首先，我们找到 P1 在输入图像中的位置。通过将 4×4 图像投影到输入 2×2 图像上，我们得到 P1 的坐标为 (0.25,0.25)。（更多详情，请参阅此处）
由于 P1 是边界像素并且其左侧没有值，因此 OpenCV 复制了边界像素。这意味着原始边缘的行或列将被复制到额外的边框（填充）。OpenCV 有不同的方法来添加边框，您可以在此处查看。
所以，现在我们的输入图像（边界复制后）看起来像这样。请注意，红色值显示输入图像。
为了找到 P1 的值，我们首先可视化 P1 在输入图像（上一步图像）中的位置。下图显示了左上角的2×2输入图像区域以及P1在其中的位置。
在应用双线性插值之前，让我们看看权重是如何分布的。
Matlab和OpenCV的插值结果不同，因为它们的权重分布不同。这里我只针对OpenCV进行解释。
在 OpenCV 中，权重根据以下方程分布
fx = (float)((dx+0.5)*scale_x - 0.5);
sx = cvFloor(fx); fx -= sx;
其中 dx 是未知像素的列索引，fx 是分配给右侧像素的权重，1-fx 分配给左侧像素。Scale_x 是输入宽度与输出宽度的比率。类似地，对于 y，dy 是行索引，scale_y 是现在的高度比。
了解了权重是如何计算后，让我们再次回到问题上来。
对于P1，行索引和列索引均为dx，且dy =0，因此fx = 0.75且fy =0.75。
我们对 A 和 B 都应用权重 fx 的线性插值（参见 Image-1）为 0.75*10（右）+ 0.25*10 = 10（在上面的算法中进行了解释）
现在，对于 P1，在 A 和 B 之间应用线性插值，权重 fy 为 0.75*10(B) +0.25*10(A) = 10
所以，我们得到 P1 = 10。同样，对其他像素重复此操作。
我们得到的最终结果如下图所示：
这会产生比最近邻更平滑的结果，但是对于边缘等尖锐过渡的结果并不理想。
在下一篇博客中，我们将讨论双三次插值。希望您喜欢阅读。