图像超分辨率重建学习记录（二）插值法

对于用于超分辨率重建的卷积神经网络SRCNN，唯一的预处理步骤为bicubic(双三次插值)，将所给低分辨率图像构建为目标像素大小。

例如我们有一个32*32像素的图片，想将其重建为64*64像素分辨率的图片，则先使用双三次插值法，将32*32像素的图片扩大到64*64，再将所得图像放入SRCNN进行后续步骤。

插值法的理解如下图：

例如将一个2*2像素的图片 放大两倍至4*4

1、插入像素点

2、对插入的像素点填充亮度值，以dest(I，J)为例，具体步骤为：

（1）根据映射关系，找到dest(I,J)在原图origin中最靠近的像素点ori(u,v)，此处ori(u,v)=90

（2）以ori(u,v)为中心，向外辐射16个点，这16个点的坐标为ori(i+u,j+v)，i,j的取值范围为-1<=i<=2;-1<=j<=2，如果原图没有这些像素点，可以做填充补全。

（3）根据某种关系对这16个点进行运算（类似于卷积），得到dest(I,J)处的亮度值。