C++ 极慢的双线性插值（与opencv相比） 模板 cv:：Mat_uu常量双线性插值（cv:：Mat_uu常量和src，cv:：Size dsize， 浮点数dx，浮点数dy） { cv:：Mat_uDST=dsize.area（）==0？cv:：Mat_dst（src.rows*dy，src.cols*dx）： cv：：Mat_uz（dsize）； float const x_ratio=static_cast（（src.cols-1））/dst.cols； float const y_ratio=static_cast（（src.rows-1））/dst.rows； for（int行=0；行！=dst.rows；++row） { int y=静态铸型（行×y比）； float const y_diff=（行*y_比率）-y；//最近像素的距离（y轴） 浮动常数y_diff_2=1-y_diff； 自动*dst_ptr=&dst（行，0）[0]； for（int col=0；col！=dst.cols；++col） { int x=静态投影（col*x\u比率）； float const x_diff=（列*x_比率）-x；//最近像素的距离（x轴） 浮点常量x_diff_2=1-x_diff； 浮动常数y2_交叉_x2=y_差异_2*x_差异_2； 浮点数y2_交叉x=y_差异2*x差异； 浮动常数y_交叉x 2=y_差异*x_差异2； 浮动常数y_交叉x=y_差值*x_差值； 对于（int channel=0；channel！=cv:：DataType:：channels；++channel） { *dst_ptr++=y2_交叉_x2*src（y，x）[通道]+ y2_交叉_x*src（y，x+1）[通道]+ y_交叉x 2*src（y+1，x）[通道]+ y_交叉x*src（y+1，x+1）[通道]； } } } 返回dst；

}

这是一个双线性插值的实现，我用它来放大512*512的图像（“lena.png”） 到2048*2048，完成这项工作需要0.195秒，但opencv的cv:：resize（不是gpu版本）只需要0.026秒。我不知道是什么让我的双线性变得如此缓慢（opencv比我快了将近750%），我想看看opencv的源代码，但我找不到它的实现

你知道为什么openCV的大小调整会这么快，或者我的双线性太慢吗

template<typename T>
cv::Mat_<T> const bilinear_interpolation(cv::Mat_<T> const &src, cv::Size dsize,
                                     float dx, float dy)
{
  cv::Mat_<T> dst = dsize.area() == 0 ? cv::Mat_<T>(src.rows * dy, src.cols * dx) :
                                      cv::Mat_<T>(dsize);

  float const x_ratio = static_cast<float>((src.cols - 1)) / dst.cols;
  float const y_ratio = static_cast<float>((src.rows - 1)) / dst.rows;
  for(int row = 0; row != dst.rows; ++row)
  {
    int y = static_cast<int>(row * y_ratio);
    float const y_diff = (row * y_ratio) - y; //distance of the nearest pixel(y axis)
    float const y_diff_2 = 1 - y_diff;
    auto *dst_ptr = &dst(row, 0)[0];
    for(int col = 0; col != dst.cols; ++col)
    {
        int x = static_cast<int>(col * x_ratio);
        float const x_diff = (col * x_ratio) - x; //distance of the nearet pixel(x axis)
        float const x_diff_2 = 1 - x_diff;
        float const y2_cross_x2 = y_diff_2 * x_diff_2;
        float const y2_cross_x = y_diff_2 * x_diff;
        float const y_cross_x2 = y_diff * x_diff_2;
        float const y_cross_x = y_diff * x_diff;
        for(int channel = 0; channel != cv::DataType<T>::channels; ++channel)
        {
            *dst_ptr++ = y2_cross_x2 * src(y, x)[channel] +
                         y2_cross_x * src(y, x + 1)[channel] +
                         y_cross_x2 * src(y + 1, x)[channel] +
                         y_cross_x * src(y + 1, x + 1)[channel];

        }
    }
}

return dst;

{
时间估计时间；
cv:：Mat_uuconstsrc=输入；
双线性插值（src，cv:：Size（），dx，dy）；
std:：cout有两个主要因素使OpenCV的版本更快：

OpenCV将调整大小作为一个“可分离的操作”来实现。也就是说，它分两步完成：先水平拉伸图像，然后垂直拉伸。这种技术允许使用较少的算术运算来调整大小

手工编码的SSE优化

可能有点晚了，但也要检查一下您是否在调试模式下运行应用程序。OpenCV是一个库，可能会通过编译器优化进行编译以供发布。
可能是
cv:：resize
利用了处理器指令集扩展，例如SSE，允许它运行多个倍数例如，并行编译。要自己完成此操作，您需要智能编译器优化或手动编写x86程序集。编辑：。（但是，
-O3
可能会导致异常奇怪的错误，因此一般不建议使用它。）谢谢，我最近会看一看opencl，希望gpgpu开发的代码能更具可移植性。你可以考虑在特定情况下的具体实现，比如说每个通道8位深度的典型RGB整数图像，从而加快速度。然后可以用更少的乘法和更多的比特数执行此插值ise操作。虽然我的注释中没有适合这里的实现，但您可以找到一个我没有检查正确性的实现。我研究了hqx中的类似代码，我需要转换cv:：Vec3b（或4b）使用int，然后将int转换回cv:：Vec3b以保存或显示图像，这不是一个非常通用的解决方案，但值得一试。我检查了第一个解决方案，但不知道如何将操作分为两步。它可以用于一些矩阵乘法和dct，但我不知道如何将其应用于双线性。
    {
        timeEstimate<> time;
        cv::Mat_<cv::Vec3b> const src = input;
        bilinear_interpolation(src, cv::Size(), dx, dy);
        std::cout << "bilinear" << std::endl;
    }

    {
        timeEstimate<> time;
        cv::Mat output = input.clone();
        cv::resize(input, output, cv::Size(), dx, dy, cv::INTER_LINEAR);
        std::cout << "bilinear cv" << std::endl;
    }