二. 最近邻插值法算法流程：

插值法放大图像的第一步都是相同的，计算新图的坐标点像素值对应原图中哪个坐标点的像素值来填充，计算公式为：

srcX = dstX * (srcWidth/dstWidth)

srcY = dstY * (srcHeight/dstHeight)

其中，src表示旧图，dst表示新图。新图的坐标（dstX,dstY）对应于旧图的坐标（srcX,srcY）。 srcWidth/dstWidth 和 srcHeight/dstHeight 分别表示宽和高的放缩比。

那么问题来了，通过这个公式算出来的 srcX,scrY （旧图坐标）有可能是小数，但是坐标点是不存在小数的，都是整数，得想办法把它转换成整数才行。

不同插值法的区别就体现在 srcX,scrY 是小数时，怎么变成整数去取原图像中的像素值。

最近邻插值法：看名字就很直白，四舍五入选取最接近的整数。这样的做法会导致像素的变化不连续，在新图中会产生锯齿。

三. 实验 python实现最近邻插值算法

 1 from PIL import Image
 2 import matplotlib.pyplot as plt
 3 import numpy as np 
 4 import math
 6 # 最近邻插值算法
 7 # dstH为新图的高;dstW为新图的宽
 8 def NN_interpolation(img,dstH,dstW):
 9     scrH,scrW,_=img.shape
10     retimg=np.zeros((dstH,dstW,3),dtype=np.uint8)
11     for i in range(dstH-1):
12         for j in range(dstW-1):
13             scrx=round(i*(scrH/dstH))
14             scry=round(j*(scrW/dstW))
15             retimg[i,j]=img[scrx,scry]
16     return retimg
18 im_path='../paojie.jpg'
19 image=np.array(Image.open(im_path))
21 image1=NN_interpolation(image,image.shape[0]*2,image.shape[1]*2)
22 image1=Image.fromarray(image1.astype('uint8')).convert('RGB')
23 image1.save('out.png')

四. 实验结果：