C++如何实现简单的线性插值和双线性插值
线性插值需严格区分插值与外推场景，边界判断是关键。插值时应确保x在[x0,x1]内，可用断言或预处理；外推时需防止除零，保证x0≠x1。双线性插值基于线性插值扩展，同样需处理边界与数值稳定性。
先泼盆冷水。很多朋友写线性插值时，代码看着挺对，但一跑就容易出幺蛾子。核心公式 `y = y0 + (y1 - y0) * (x - x0) / (x1 - x0)` 确实简单，但直接往上套，很可能在 x 超出 `[x0, x1]` 区间时，给你返回一个毫无意义的结果。
所以，边界判断必须做，而且要明确区分“插值”和“外推”这两种场景：
* 如果业务允许外推，比如做信号延拓，那原公式能用，但得确保 `x0 != x1`，不然除零问题就找上门了。
* 如果只接受插值，比如图像采样，那调用前就得保证 x 严格落在 `[x0, x1]` 内，或者在函数里加个断言：`assert(x >= x0 && x <= x1)`。
* 还有，浮点比较慎用 `==`，建议用 `std::abs(x - x0) < epsilon` 来判断端点是否重合。
来看个示例实现：
```c
float lerp(float x0, float y0, float x1, float y1, float x) {
assert(x0 != x1);
assert(x >= std::min(x0, x1) && x <= std::max(x0, x1));
return y0 + (y1 - y0) * (x - x0) / (x1 - x0);
}
```
### 双线性插值的四个点怎么组织才不乱
双线性插值，说白了就是做两次线性插值：先在 X 方向插两次，再在 Y 方向插一次。关键在于四个点的坐标顺序，必须和你的目标坐标系保持一致。很多新手把左上和右下点搞反了，结果图像直接翻转或者错位，这是最冤的。
假设要插值的点是 `(u, v)`，对应单位正方形的四个角 `(0,0)`、`(1,0)`、`(0,1)`、`(1,1)`，像素值分别为 `z00`、`z10`、`z01`、`z11`。标准顺序如下：
* `z00`：左下
* `z10`：右下
* `z01`：左上
* `z11`：右上
但OpenCV默认Y轴向下为正，也就是左上角为原点。所以它那里的顺序是 `z00=z[0][0]`（左上）、`z10=z[0][1]`（右上）、`z01=z[1][0]`（左下）、`z11=z[1][1]`（右下）。务必和你的坐标系对齐，否则结果偏移了都很难排查。
下面是一个简洁的实现，假设 u,v 都在 [0,1] 区间内：
```c
float bilinear(float z00, float z10, float z01, float z11, float u, float v) {
float z0 = lerp(0.f, z00, 1.f, z10, u); // bottom row
float z1 = lerp(0.f, z01, 1.f, z11, u); // top row
return lerp(0.f, z0, 1.f, z1, v); // interpolate vertically
}
```
### 性能敏感场景下怎么避免重复计算
在图像缩放这类高频调用场景下，每次插值都算两次除法加多次乘加，很容易成为性能瓶颈。优化的核心思路是先把权重算好，而不是反复调用 `lerp`。
举个例子，对固定缩放比的图像重采样，可以提前算好所有目标像素对应的 u、v 和它们的补数 (1-u)、(1-v)，然后用展开形式一次性算完：
```c
float z = z00*(1-u)*(1-v) + z10*u*(1-v) + z01*(1-u)*v + z11*u*v;
```
这个写法比嵌套调用 `lerp` 少 2 次除法和 1 次减法，而且更利于编译器做向量化优化。注意，这个公式只在 u, v ∈ [0,1] 时数值稳定。如果要用 SSE/A VX 指令集，还能批量处理 4 个或 8 个像素。
另外，如果输入坐标是整数网格，比如纹理映射，可以考虑用定点数代替 float 来避免除法，当然，这需要权衡一下精度损失。
### OpenCV 的 `cv::resize` 和手写插值结果为啥不一样
很多朋友会发现，自己手写的双线性插值结果，跟 `cv::resize(..., INTER_LINEAR)` 算出来的总有细微差别。这很正常，主要原因是OpenCV在边界处理上做了隐式的 padding 和归一化，而且内部权重计算更精确，比如考虑了像素中心偏移。
典型差异点包括：
* OpenCV认为像素坐标在格子中心，即 `(0.5, 0.5)` 对应第一个像素，而手写代码常默认左上角为 `(0,0)`。
* 缩放时，OpenCV用 `src_size / dst_size` 算缩放因子，再反向映射目标点到源图，过程中会做截断或反射 padding。
* 它的权重计算用的是 `std::max(0.f, 1.f - std::abs(x))` 形式的三角核，而不是理想单位区间下的线性核。
所以，如果你需要和OpenCV的结果对齐，最直接的办法就是不要自己重算坐标映射，直接用 `cv::getRectSubPix` 或仿照它的 `interpolateLinear` 实现。这个实现可以在 opencv/modules/imgproc/src/resize.cpp 中找到。
真正需要关注的不是“哪个更准”，而是整个 pipeline 要保持一致：插值方式、坐标约定、边界处理，这三者缺一个，结果都会漂移。 
赤友清理大师是一款为 Mac 设计的智能清理优化工具，可精准扫描垃圾、大文件、重复文件等，释放磁盘空间。做扫描整理、文字提取和表格转换时，它能把识别后的处理步骤接得更顺，资料录入这类场景会省下不少时间。
极度公式是一款跨平台专业LaTeX公式识别编辑软件，支持OCR公式识别和多平台编辑。和使用说明，避免使用，享受完整功能与稳定支持。做扫描整理、文字提取和表格转换时，它能把识别后的处理步骤接得更顺，资料录入这类场景会省下不少时间。
一款文字处理软件，一种订阅式的跨平台办公软件，基于云平台提供多种服务，通过将 Excel 和 Outlook 等应用与 OneDrive 和 Microsoft Teams 等强大的云服务相结合，Office 365 可让任何人使用任何设备随时随地创建和共享内容。
CodeExpander 是一款快捷短语输入增强工具，通过键入缩写自动展开为自定义文段，提升工作效率。任务管理和过程控制会更完整，持续下载、批量同步或需要稳定传输流程的场景会更适合它。
Mountain Duck 是一款能将多个网盘挂载到本地的工具，像本地磁盘一样使用网盘。清理链路的完整性会更好一些，做应用卸载、残留处理和空间整理时，通常能少走很多手动排查步骤。
极度公式是一款跨平台专业LaTeX公式识别编辑软件，支持OCR公式识别和多平台编辑。和使用说明，避免使用，享受完整功能与稳定支持。做扫描整理、文字提取和表格转换时，它能把识别后的处理步骤接得更顺，资料录入这类场景会省下不少时间。
一款文字处理软件，一种订阅式的跨平台办公软件，基于云平台提供多种服务，通过将 Excel 和 Outlook 等应用与 OneDrive 和 Microsoft Teams 等强大的云服务相结合，Office 365 可让任何人使用任何设备随时随地创建和共享内容。
Wise Folder Hider Pro 是一款专业级文件和文件夹隐藏加密软件，为私密数据添加多重保护。高频操作更强调就近处理，浏览、整理和跨目录移动文件时，来回切换和重复点击都会少很多。
CodeExpander 是一款快捷短语输入增强工具，通过键入缩写自动展开为自定义文段，提升工作效率。任务管理和过程控制会更完整，持续下载、批量同步或需要稳定传输流程的场景会更适合它。
Mountain Duck 是一款能将多个网盘挂载到本地的工具，像本地磁盘一样使用网盘。清理链路的完整性会更好一些，做应用卸载、残留处理和空间整理时，通常能少走很多手动排查步骤。
