我有一张图片，是uint8_ts的2D数组。我想使用可分离的滤镜调整图像大小。考虑先缩小宽度。由于原始尺寸与目标尺寸无关，我们将为每个目标像素使用不同的系数集。对于特定的进出尺寸，对于所有y，我们可能都有：
out(500, y) = in(673, y) * 12 + in(674, y) * 63 + in(675, y) * 25
out(501, y) = in(674, y) * 27 + in(675, y) * 58 + in(676, y) * 15
如何使用Eigen加快速度，例如为我向量化？ 这可以表示为矩阵乘以尺寸为in_width * out_width的稀疏矩阵的乘积，其中在每一行中，仅in_width值中的3个为非零。在实际使用情况下，4到8通常将为非零。但是那些非零值将是连续的，并且使用SSE或其他可以使其快速运行的方法会很好。
请注意，源矩阵具有8位标量。缩放宽度和高度后的最终结果也将是8位。中间矩阵（图像）和过滤器具有更高的精度（例如16位）可能会很好。但是，即使它们是8位，在相乘时，我们也需要取乘积的最高有效位，而不是最低有效位。
用Eigen能做到的太远了吗？这种卷积，每个像素都有一个不同的内核（只是因为输出大小不是输入大小的整数倍），似乎很常见。