图像插值的缺点

　　最近邻插值法的优点是计算量很小，算法也简单，因此运算速度较快。但它仅使用离待测采样点最近的像素的灰度值作为该采样点的灰度值，而没考虑其他相邻像素点的影响，因而重新采样后灰度值有明显的不连续性，图像质量损失较大，会产生明显的马赛克和锯齿现象。

　　双线性插值法效果要好于最近邻插值，只是计算量稍大一些，算法复杂些，程序运行时间也稍长些，但缩放后图像质量高，基本克服了最近邻插值灰度值不连续的特点，因为它考虑了待测采样点周围四个直接邻点对该采样点的相关性影响。但是，此方法仅考虑待测样点周围四个直接邻点灰度值的影响, 而未考虑到各邻点间灰度值变化率的影响, 因此具有低通滤波器的性质, 从而导致缩放后图像的高频分量受到损失, 图像边缘在一定程度上变得较为模糊。用此方法缩放后的输出图像与输入图像相比, 仍然存在由于插值函数设计考虑不周而产生的图像质量受损与计算精度不高的问题。

一种基于图像边缘的插值算法 http://www.xzbu.com/8/view-4288155.htm

　　1.1 经典插值方法
　　1.1.1 最近邻插值
　　最近邻插值是取采样点周围四个相邻像素点中距离最近的一个邻点的灰度值作为该点灰度值的方法。最近邻插值算法速度最快，但会产生明显锯齿和马赛克现象。
　　1.1.2 双线性插值
　　双线性插值利用周围四个邻点的灰度值在两个方向上做线性插值得到采样点的灰度值。这种方法在很大程度上消除了锯齿现象，但在边缘上变得较为模糊。
　　1.1.3 双三次插值
　　双三次插值不仅考虑四个邻点灰度值，还考虑各邻点间的灰度值变化率的影响。是双线性插值的改进算法。和前两种经典插值方法相比，可以取得较好的插值效果。但仍具有低通滤波性，会损失插值图像的高频部分，因而是图像边缘模糊。

一种边缘定向平滑图像插值算法_百度文库 https://wenku.baidu.com/view/06931bdf9b89680203d82547.html

本文提出的边缘定向平滑滤波器对插值后图像进行平滑和边缘增强，达到成功消除边缘模糊现象且有效增强图像边缘轮廓的目的，从而得到一种运算复杂度较低，易于硬件实现，且效果很好的图像插值算法。

由于传统插值算法没有考虑边缘的特性，图像经过处理后在边缘处存在模糊的现象，影响图像的质量。

一些基于边缘的插值算法例如ICBI[3] 虽然也考虑了边缘的特性，但是存在计算量大，无法进行任意倍数放大等缺陷。

本文提出一种基于边缘定向的插值算法。通过计算图像非平坦区边缘的主导方向，在该区待插值位置沿着主导方向进行线性插值。而对于平坦区域则直接采用线性插值。