在Matlab的计算机视觉系统工具箱中，Correct lens distortion使用了三种类型的插值方法。
输入图像上使用的函数的插值方法。 interp输入插值方法可以是字符串，“最近”，“线性”或“立方”。
我的问题是：'最近'，'线性'或'立方'之间有什么区别？哪一个用“张”和“Heikkila，J和O. Silven”方法实现。
答案 0 :(得分：1)
我无法通过您在问题中写的链接访问分页（它要求输入用户名和密码），因此我假设您的链接页面具有与http://www.mathworks.it/it/help/vision/ref/undistortimage.html页面相同的内容引用这里：
J = undistortImage(I,cameraParameters,interp)从输入图像I中删除镜头失真并指定 用于输入图像的函数的插值方法。输入参数
I- 输入图片
cameraParameters- 用于存储摄像机参数的对象
interp- 插值方法
'linear'（默认）|'nearest'|'cubic'要使用的函数的插值方法 输入图像。 interp输入插值方法可以是 字符串，
'nearest'，'linear'或'cubic'。
此外，我假设你指的是这些论文：
张正友。一种灵活的摄像机校准新技术。 模式分析与机器智能，IEEE Transactions on ，2000,22.11：1330-1334。
HEIKKILA，Janne; SILVEN，Olli。具有隐式图像校正的四步相机校准程序。 In： Computer Vision and Pattern Recognition，1997。Proceedings。，1997 IEEE Computer Society Conference on 。 IEEE，1997。p。 1106年至1112年。
我搜索了单词＆＃34; interpolation＆＃34;在两个pdf文档Zhang和Heikkila and Silven中，我没有找到关于他们使用的插值方法的任何直接陈述。
据我所知，一般来说，摄像机校准方法涉及如何估计内在，外在和镜头失真参数（所有这些参数都在Matlab的输入参数cameraParameters undistortImage dst(x,y) = src(f_x(x,y), f_y(x,y))内。 1}}功能）;插值方法是另一个问题的一部分，即几何图像变换的问题＆＃34;。
我引用了OpenCV's page Geometric Image Transformation（我略微修改了原文，省略了一些细节并添加了一些定义，我假设您正在使用灰度图像）：
本节中的功能执行各种几何 二维图像的变换。它们不会改变图像内容 变形像素网格并将此变形网格映射到目标 图片。实际上，为了避免采样伪像，映射完成 从目的地到源的相反顺序。也就是说，每个人 目标图像的像素（x，y），函数计算 源图像中相应“施主”像素的坐标和 复制像素值：
dst(x,y)，其中
x是位于目标图片中行y和列src(x,y)的像素的灰度值
x是位于源图像中的行y和列f_x的像素的灰度值
x是一个将行y和列f_y映射到新行的函数，它只使用坐标而不是灰度级。
x是一个将行y和列(x,y)映射到新列的函数，它只使用坐标而不是灰度级。几何变换的实际实现，来自 最通用的remap（）和最简单，最快的调整大小（） ，需要用上面的公式解决两个主要问题：
•外推不存在的像素。与过滤类似 对于某些
f_x(x,y)，上一节中描述的函数也是如此f_y(x,y)或f_x(x,y)中的一个，或两者都可能不在其中 图片。在这种情况下，需要使用外推法。 OpenCV提供了相同的外推方法选择 过滤功能。另外，它提供了该方法 BORDER_TRANSPARENT。这意味着相应的像素 目标图像根本不会被修改。•像素插值 值。通常
f_y(x,y)和<f_x, f_y>是浮点数。这个 意味着(f_x(x,y), f_y(x,y))可以是仿射或 透视变换，或径向透镜畸变校正，和 等等。因此，需要在小数坐标处的像素值 检索。在最简单的情况下，坐标可以是圆形的 到最近的整数坐标和相应的像素即可 用过的。这称为最近邻插值。但是，一个 使用更复杂的方法可以获得更好的结果 插值方法，其中多项式函数适合某些 计算像素(f_x(x,y), f_y(x,y))的邻域，然后是'nearest'处的多项式的值被视为。{1} 内插像素值。在OpenCV中，您可以选择几种 插值方法。有关详细信息，请参阅resize（）。
对于＆＃34; soft＆＃34;引言也参见例如Cambridge in colour - DIGITAL IMAGE INTERPOLATION。
所以，让我们说你需要x = 20.2 y = 14.7的像素灰度级，因为x和y是一个小数部分与零不同的数字，你需要发明＆＃34; （以某种方式计算）灰度级。在最简单的情况下（'linear'插值），您只需说（20.2,14.7）处的灰度级是您在（20,15）处检索的灰度级，它被称为＆＃34;最接近＆＃34;因为20是最接近20.2的整数值，15是最接近14.7的整数值。
在（bi）'cubic'插值中，您将使用（20,14），（20,15）处的四个像素的灰度级组合计算（20.2,14.7）处的值（ 21,14），（21,15）;有关如何计算组合的详细信息，请参阅具有Wikipedia page的a numeric example。
（bi）{{1}}插值考虑16个像素的组合以计算（20.2,14.7）处的值，请参阅Wikipedia page。
我建议您使用相同的输入图像尝试所有这三种方法，并查看输出图像的差异。
答案 1 :(得分：0)
插值方法实际上与相机校准无关。每次对图像应用几何变换（例如旋转，重新调整大小或失真补偿）时，新图像中的像素将对应于旧图像的像素之间的点。所以你必须以某种方式插入他们的价值观。
'nearest'表示您只需使用最近像素的值 'linear'表示您使用双线性插值。新像素的值是输入图像中相邻像素的值的加权和，其中权重与距离成比例。 'cubic'表示你使用双三次插值，这比双线性更复杂，但可能会给你一个更平滑的图像。
interp2函数的文档中给出了对这些插值方法的详细描述。
最后，为了澄清，undistortImage功能在计算机视觉系统工具箱中。