像素不是可以随意搬动的小方块#

离散图像给出规则位置上的样本。目标像素中心通常落在原样本之间，因此缩放需要先用一个核估计连续信号，再在新网格采样：

$h$ 是插值核。不同方法的差别，本质上是核的支撑范围、平滑性与频率响应不同。

Nearest 只选最近样本，速度快但放大会出现块状阶梯。Bilinear 在一维使用两点线性加权，二维通常是四邻域，结果稳定但偏软。Bicubic 使用四点三次核，二维需要 $4\times4$ 邻域；Lanczos 用有限窗截断 sinc，能保留更高频细节，却可能产生负旁瓣和 ringing。

坐标必须先定义清楚#

常见的像素中心映射是：

$s$ 是缩放倍率，$x_d$ 和 $x_s$ 分别是目标与源坐标。式中的半像素偏移决定两套像素中心如何对齐。不同库若采用 align corners 或不同取整约定，即便都叫 bilinear，边缘位置也可能相差半个像素。

工程实现还要明确边界策略。Clamp 会复制边缘，Mirror 会镜像延拓，Wrap 适合周期纹理；无条件补零则会在图像四周引入不真实的暗边。

缩小不只是“少取几个像素”#

当宽度缩为四分之一，新 Nyquist 频率也降到原来的四分之一。输入中超过这个限制的细纹必须在抽样前低通滤除，否则它们会折返到低频，形成不存在的宽条纹或摩尔纹。

正确的缩小核会随倍率变宽。若原核为 $h(x)$，缩放倍率 $s<1$ 时可写作：

这不是为了“故意模糊”，而是避免目标网格无法表达的频率伪装成错误结构。盒式平均简单但阻带抑制有限；高质量实现会使用窗化 sinc、分阶段缩小，或专门设计的多相滤波器。

锐利、平滑与振铃#

理想 sinc 在频域能实现砖墙低通，却具有无限支撑。实际核必须截断或换成有限支撑近似，于是空间范围、通带平坦度与阻带衰减之间形成取舍。

Nearest 的零阶保持会产生阶梯；Bilinear 没有负权重，通常不会过冲，但高频衰减较强；Bicubic 和 Lanczos 可以得到更陡的边缘，也可能在高对比轮廓两侧出现亮暗细线。所谓“更锐的插值器”并非无条件更好。

测试不能只看自然照片。黑白阶跃暴露 overshoot，斜线暴露锯齿，周期细条纹暴露 alias，单像素脉冲则能直接显示核形状。

二维可分离实现#

许多核可写成 $h(x,y)=h(x)h(y)$，因此先水平处理，再垂直处理，避免直接进行大尺寸二维卷积。一个简化实现如下：

1
def resize_separable(image, x_map, y_map, kernel):
2
    horizontal = filter_rows(image, x_map, kernel)
3
    return filter_columns(horizontal, y_map, kernel)

真实代码还需要预计算相位权重、归一化每组系数、采用足够宽的累加器，并把整数输出的舍入放在最后。定点实现尤其要检查负权重、系数和与溢出。

缩放与锐化谁先谁后#

锐化增强的是某一像素尺度上的边缘。先在大图上制造一条 3 px 宽的 halo，再缩成缩略图，它可能被压成异常强的一圈；先缩放后锐化，则能直接针对最终像素尺寸控制边缘宽度。

因此常把锐化分成捕获锐化与输出锐化：前者轻度补偿成像链软化，后者在最终缩放之后根据输出尺寸和媒介调节。缩小前仍需抗混叠低通，不能用锐化代替。

Alpha、颜色空间与几何变换#

带透明度的图像应在预乘 Alpha 后插值，否则完全透明像素里隐藏的 RGB 会污染可见边缘。插值完成后再安全地解除预乘。

对于 RGB 图像，线性光插值更符合能量模型；直接在 Gamma 编码值上平均通常偏暗或改变边缘亮度。是否值得转到线性域取决于质量目标与成本，但必须明确处理域。

旋转、透视、LDC 和任意网格变形同样属于重采样。它们通常采用逆向映射：对每个目标像素寻找源坐标，从而避免正向撒点留下空洞。

验证清单#

• 恒定图像缩放后是否仍恒定，系数和是否为 1；
• 单像素脉冲与阶跃响应是否符合设计；
• 水平、垂直、斜向细线是否一致；
• 高频棋盘和扫频图是否出现 alias 或摩尔纹；
• 不同倍率下低通带宽是否正确收缩；
• 图像边界、单行单列和极小尺寸是否越界；
• Alpha 边缘是否出现黑边或隐藏颜色；
• 定点路径是否发生负权重下溢与累计溢出；
• 与参考实现的坐标中心、取整和边界约定是否一致。

图像重采样不是“挑选附近像素”，而是有限成本下的信号重建。插值核决定放大时如何补足样本，预滤波决定缩小时哪些频率必须舍弃；理解二者，才能有意识地在清晰度、混叠、ringing 与计算量之间选择。