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：
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。