双线性插值缩放的核心逻辑是将目标像素坐标映射回源图像浮点坐标，以像素中心对齐（+0.5偏移）并做两次线性插值；需安全处理边界、float权重计算、通道独立插值。
双线性插值缩放的核心逻辑是什么
双线性插值不是“先放大再模糊”，而是对目标图像每个像素，用源图像中它所覆盖的 2×2 邻域加权求和。关键在于：必须把目标坐标映射回源坐标系，再做两次线性插值（先 x 后 y，或先 y 后 x），顺序不影响结果，但坐标映射必须用浮点精度且带偏移校正。
常见错误是直接用 int 截断坐标，导致所有采样点都落在像素中心，丢失亚像素信息；或者忘记对齐像素中心——源图像左上角像素中心实际在 (0.5, 0.5)，不是 (0, 0)。正确做法是：设源图宽 src_w、高 src_h，目标图上点 (dx, dy) 对应的源坐标为：
float sx = (dx + 0.5f) * src_w / dst_w - 0.5f; float sy = (dy + 0.5f) * src_h / dst_h - 0.5f;
然后 clamping 到 [0, src_w - 1] 和 [0, src_h - 1] 范围内（注意不是 [0, src_w)）。
如何安全处理边界和类型转换
双线性插值需要读取四个邻点，所以 sx 和 sy 的整数部分 fx = floor(sx)、fy = floor(sy) 必须满足 fx ∈ [0, src_w-2] 且 fy ∈ [0, src_h-2]，否则越界。暴力 clamp 会引入黑边或拉伸伪影。
- 推荐用
std::clamp（C++17）或手动写三元表达式限制fx和fy在[0, src_w - 2]和[0, src_h - 2] - 权重计算用
float，但图像数据通常是uint8_t，务必在加权前转成float，算完再static_cast<uint8_t>(std::round(val))</uint8_t>，避免整数截断误差累积 - RGB 通道要独立插值，不能把三个字节当一个整数处理；Alpha 通道同理，需单独参与插值
OpenCV 的 cv::resize 能否直接替代手写
可以，但要注意默认参数陷阱：cv::resize(src, dst, size, 0, 0, cv::INTER_LINEAR) 确实是双线性，但它内部做了优化（如 SIMD、查表近似），和教科书公式有微小差异，尤其在极小缩放（
另外，OpenCV 默认使用“下采样抗锯齿”策略（对缩小启用 box filter 预滤波），而纯双线性不预滤波，可能导致缩小后出现摩尔纹。如需严格双线性行为，得关掉预滤波：cv::resize(src, dst, size, 0, 0, cv::INTER_LINEAR) 在缩小场景下仍可能隐式启用，此时建议改用 cv::INTER_LINEAR_EXACT（OpenCV 4.5+），它禁用所有近似，完全按标准双线性实现。
性能瓶颈在哪？怎么加速
最慢的是内存随机访问：每个目标像素要读源图 4 个位置，cache miss 高。优化重点不是算法，而是访存模式：
- 按行处理目标图像，让
sy变化缓慢，同一行复用同一组源行数据（fy,fy+1） - 对每个
dy，预先计算好fy、wy（y 方向权重），以及该行所有sx对应的fx和wx，避免重复floor和减法 - 用
__m128同时处理 4 个像素的 R/G/B/A 插值（需对齐、分通道），收益明显；但注意 SSE 不支持floor，可用_mm_cvtepi32_ps(_mm_cvtps_epi32(x))模拟，或改用 AVX2 的_mm256_floor_ps
真正难调的是小图放大（比如 32×32 → 512×512）：插值核太宽，缓存局部性差，这时候不如先用最近邻粗放，再用双线性微调——但这就不是纯双线性了。
C++免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 C++ 的入门与实战技巧！
