三线性插值（三维线性插值）

3D图像线性插值算法实现 三线性插值原理 三线性插值原理与双线性插值原理类似，双线性插值是根据周围四个点计算得到新的插值点，三线性插值是对一个立方体中周围8个顶点进行计算。 1）首先在x轴上进行插值，根据以下公式分别求出4个边上的点C00，C01，C10，C11 2）在y轴上进行插值，根据一下公式得到C0和C1点 3）最后在z轴上进行插值 其中xd， yd，zd是指偏移量，与x，y，z较小的坐标有关。xd = x - |xd| 实际上三线性插值等同于两个双线性插值与线性插值的组合。当前这样计算起

三线性插值(三维线性插值)过程

三线性插值就是针对三维离散数据进行插值而言的。所以我们到这里可以发现，前几篇博文的“线性插值”、“双线性插值”和本博文的“三”线性插值“是针对数据的维度而言的，而不是插值方法而言的。到这里的插值方法都是基于线性插值的，即连接已知数据点之间的线是线性的，也就是次数是一次。对于线性插值这种方法的，还有二次多项式插值和三次多项式插值等，是属于多项式插值的。那么常见的”双三次插值“是什么意思？就是数据的维

常用线性插值的介绍和应用 线性插值 插值是计算机图形学中非常常用的技术。通常，数据是在常规网格上指定的（值写在2D或3D网格的顶点位置）或在线上（在一维的情况下），但是程序需要在该网格上的随机位置求值。如果样本位于网格顶点上，那么我们可以简单地使用存储在网格顶点上的值。但是，如果样本位于网格上其他任何位置（单元中的某个位置），则考虑到那里没有数据，我们需要通过平均存储在单元顶点处的值来计算一个。这项技术称为插值，因为关键思想是在固定的网格位置“插值”现有值以计算网格上其他任何位置的值。 在2D中.

x0表示在x下方一个方格点，x1表示在x上方的一个方格点，对于y0、y1、z0、z1是同样的意思。 xd、yd、zd表示x、y、z在较小相关坐标的插值（这是维基百科中的解释，我认为他相当于是一个权值） 首先，我们沿着x轴方向插值 V[x0,y0,z0]表示该函数在（ x0,y0,z0)上的值 然后再沿着y轴插值 最后再沿着z轴插值 如此我们就得到了一个点的值。三线性插值的结果与沿三个轴的插值步骤的顺序无关：任何其他顺序，例如沿x，然后沿y，最后沿z，产生相同的值。 根据以...

三线性插值 是在三维离散采样数据的张量积网格上进行线性插值的方法。这个张量积网格可能在每一维度上都有任意不重叠的网格点，这种方法通过网格上数据点在局部的矩形棱柱上线性地近似计算点(x,y,z)的值。三线性插值经常用于数值分析、数据分析以及计算机图形学等领域。 双线性插值 原图像中4个像素点灰度值计算得到新图像中1个像素点灰度值。（双：两个维度进行计算） 第一步：x方向单线性插值，求点R1的灰度值f(R1) ...

线性插值&双线性插值&三线性插值 根据若干离散的数据数据，得到一个连续的函数（也就是曲线）或者更加密集的离散方程与已知数据相吻合。这个过程叫做拟合。內插是曲线必须通过已知点的拟合。 1.线性插值 已知坐标 (x0, y0) 与 (x1, y1)，要得到 [x0, x1] 区间内某一位置 x 在直线上的值。 由于 x 值已知，所以可以从公式得到 y 的值 已知 y ...

转自：http://www.cnblogs.com/yingying0907/archive/2012/11/21/2780092.html 內插是数学领域数值分析中的通过已知的离散数据求未知数据的过程或方法。 根据若干离散的数据数据，得到一个连续的函数（也就是曲线）或者更加密集的离散方程与已知数据相吻合。这个过程叫做拟合。內插是曲线必须通过已知点的拟合。 1.线性插值 ...

双线性插值(Bilinear Interpolation) 1. 线性插值 已知坐标 (x0,y0) 与 (x1,y1)，要得到 [x0,x1] 区间内某一位置x在直线上的值。 由于x值已知，所以可以从公式得到 y 的值 已知y求x的过程与以上过程相同，只是x与y要进行交换。 2.双线性插值(Bilinear Interpolation) 在数学上，双线性插值是有两个变量的插值函数的线性插值扩展，其核心思想是在两个方向分别进行一次线性插值。 图...

转载于：二圈妹的知乎 线性插值线性插值 linear interpolation无需多言，公式：P(t) = A + (B -A)tP(t) = A(1-t) + Bt这个函数一般我们叫做lerp.template<typename T> inline T lerp(const T &lo, const T &hi, float t) { return lo * (1 - t) + hi * t; } 如果门把t变成某个函数g(t)，那么线性可以变得平滑，可以变成多项式等等...

图像插值： 1.最近邻插值：最接近1个像素作为新像素的值； 2.双线性：利用4个最近邻点的像素计算新的像素值（v(x,y)=ax+by+cxy+d，计算4个系数未知数）； 3.双三次内插：利用16个最近邻点计算新的点的像素值（计算16个系数未知数）； ...

在Fully Convolutional Networks for Semantic Segmentation这篇文章中，介绍到Bilinear Upsampling这种上菜样的方式，虽然文章最后用的是deconvolution，给出的理由就是不希望upsampling filter是固定的= =！ 但是碰到了还是学习记录一下。因为以前用的upsampling的方式是很简单的，比如放大两倍，就是把一