超分辨重建，基于贝叶斯和总变分，牛人的文章对应的程序

双三次图像插值 插值是一种在一组离散的已知数据点范围内构造新数据点的方法。 线性插值方法在现代生活的几乎所有技术中都很普遍，它们在扮演着特别重要的角色。 二维数据集（例如图像）的线性插值方法包括： 最近的邻居 双线性 双三次 三次样条 辛插值（Lanczos重采样） 二维线性插值通常用于显示屏（电视，手机等）中。 一个很好的例子是在高分辨率屏幕上炸毁了低分辨率图像时。 我们将研究线性插值的双三次方法。 与“最近邻”和“双线性”算法相比，它倾向于产生实质上更好的结果，它不需要像三次样条插值法中通常执行的导数计算，并且可以被视为对Lanczos重采样的计算有效近似。 重要的是要注意，线性系统具有以下两（2）个数学属性： 同质性 如果x [n] = y [n]，则k x [n] = k y [n] 可加性 如果x1 [n] = y1 [n]，并且x2 [n] = y2 [n]，则

matlab中批量导入图像代码双三次火炬 调整图像大小是计算机视觉和图像处理中的基本操作之一。 虽然MATLAB的imresize函数用作标准，但其他库（例如PIL，OpenCV，PyTorch等）的实现与MATLAB不一致，尤其是对于双三次内核。 该存储库的目标是在广泛使用的PyTorch框架中提供类似于MATLAB的双三次插值。 欢迎任何问题使它变得更好！ 我们实施的优点是： 易于使用。 您只需要复制一个python文件。 与MATLAB的imresize('bicubic') ，带有或不带有抗锯齿。 支持在不同尺寸上的任意大小调整因子。 非常快，支持GPU加速和批处理。 关于输入和输出图像完全可区分。 更新 以前的版本在分数比例因子方面遇到了一些麻烦（可以选择会导致分数比例因子的输出大小是可以的）。 1.2.0版解决了该问题并提高了准确性。 环境与依存关系 该存储库在以下条件下进行了测试： Ubuntu 18.04 PyTorch 1.5.1（最低要求0.4.0） CUDA 10.2 MATLAB R2019b 但是，我们避免使用任何与版本有关的编码样式，以使我们的方法与各种环境

由低分辨率图像恢复高分辨率图像，使用三次插值方法，然后计算其PSNR

Matlab实现nearest+bilinear+bicubic插值resize图片 代码仅供参考、交流

双立方线性插值算法算法C++实现说明，根据维基百科介绍翻译而来，值得学习参考