在进入频域变换之前， 我们还是轻松一下，再搞点平面上的变化来看看。这把选了一个双线性插值(Bilinear interpolation)来实现是源于看到了csdn上别人的问题， 权且实现一个函数，方便大家的使用吧。

双线性插值简单的说，就是扩展了之后的图像像素坐标映射回原来的坐标空间的时候， 如果出现了没有对应到整数点的情况。这时候需要做2次线性的插值计算出新的坐标的像素值，比如说：

这里可以看到这个P点落在了ABCD区间内， 如果我们本着最朴素的这个P点最靠近谁权重就越大的加权平均的思想， 我们很容易得到这样的论断：

A点对P的影响就是Sa的面积， B点的影响就是Sb, C点就Sc, d就是Sd。这样越近就是权重越大，基本上就是这样的逻辑。

这样P的像素可以简单的用 (A*Sa+B*Sb+C*Sc+D*Sd )/(Sa+Sb+Sc+Sd);来得到了。以我的雷厉风行，马上写出了如下的代码：

/** 
** method to remove sharp the raw image with unsharp mask 
* @param src input grayscale binary array  
* @param dst output grayscale result, 
*   the memory need to be allocated outside of the function 
* @param srcWidth width of the input grayscale image 
* @param srcHeight height of the input grayscale image 
* @param scalePercent, scale percentage (0-xxx) 
*/ 
void stretchImage (const unsigned char* src, unsigned char* dst
, int srcWidth, int srcHeight, int scalePercent) 
{    
    if (scalePercent < 0) 
        return; 
    int x, y; 
    int ox, oy; 
    int tmpx,tmpy; 
    int ratio = (100 << 8)/scalePercent; 
    int dstWidth = srcWidth * scalePercent / 100; 
    int dstHeight = srcHeight * scalePercent / 100; 
    unsigned char color[2][2]; 
    for (int j = 0; j < dstHeight; j ++) 
    { 
        for (int i = 0; i < dstWidth; i ++) 
        { 
            tmpx = i * ratio; 
            tmpy = j * ratio; 
            ox = tmpx >> 8; 
            oy = tmpy >> 8; 
            x = tmpx & 0xFF; 
            y = tmpy & 0xFF; 
            color[0][0] = src[ oy*srcWidth + ox ];  
            color[1][0] = src[ oy*srcWidth + ox +1 ];  
            color[0][1] = src[ (oy+1)*srcWidth + ox ];  
            color[1][1] = src[ (oy+1)*srcWidth + ox+1 ]; 
            int final = (0x100 - x)*(0x100 - y)*color[0][0] + x*(0x100 - y)
*color[1][0] + (0x100-x)*y*color[0][1] + x*y*color[1][1]; 
            final = final >> 16; 
            if (final>255) 
                final = 255; 
            if (final<0) 
                final = 0; 
            dst [ j*dstWidth + i] = (unsigned char)final; 
        } 
    } 
} 

需要说明的事情是， 浮点数需要引入效率上一定的损失， 当然我们这里就用大数来和谐。但是只是随便写写的代码， 我们没有加入超出int范围的检查或者说明，暂时也只能这样了：）。用了这个函数的效果还是不错的， 我们来看看在75%,125%和250%时候的效果：

原图：

%75效果图:

125%效果图:

250%效果图:

其实从效果图多少可以看出一些的问题就是， 随着图像的拉伸， 图像的锐度其实降低了， 这个比较容易想象的，因为我们这个拉伸的办法本身就是线性的，无疑来扩大的时候把锐利的边缘模糊化了，所以自然在图像扩大很多倍的时候效果不是很好了。