如何加速存储为“跨步数组”的图像双线性插值缩放？

嘿，我刚好对Darknet里的图像存储格式和双线性插值有不少了解，来帮你搞定这个缩放函数的问题！

首先得明确Darknet的图像存储逻辑——它把3通道图像按**平面式（planar）**存储：先存完所有行的R通道像素，再存G通道，最后是B通道。所以像素(x, y, k)（x=列，y=行，k=通道索引，0=R/1=G/2=B）在一维数组里的正确索引是：

x + y*src_w + k*src_w*src_h

我猜你之前写的x + w·h + w·h·c是笔误，不然逻辑说不通~

你提到当前函数有问题，大概率是因为它没适配这种planar存储格式，还是按常规的**交错式（interleaved）**存储（RGBRGB...依次排列）去计算像素索引了。这种情况下，要么取到错误通道的像素，要么取到错误位置的像素，最终缩放结果会出现颜色错乱、细节失真的问题。

下面是调整后的双线性插值缩放C代码，我加了详细注释，完全适配Darknet的平面式存储：

#include <stdio.h>
#include <stdlib.h>
#include <math.h>

// 双线性插值缩放函数（适配Darknet planar存储格式）
// 参数说明：
// src: 原始图像一维数组（R全量→G全量→B全量）
// src_w/src_h: 原始图像的宽/高
// dst_w/dst_h: 目标图像的宽/高
// channels: 通道数（固定为3即可）
float* bilinear_resize_darknet(float* src, int src_w, int src_h, int dst_w, int dst_h, int channels) {
    int dst_total = dst_w * dst_h * channels;
    float* dst = (float*)malloc(dst_total * sizeof(float));
    if (!dst) return NULL; // 内存分配失败直接返回

    // 计算宽高方向的缩放比例
    float scale_w = (float)src_w / dst_w;
    float scale_h = (float)src_h / dst_h;

    // 按通道→行→列的顺序遍历，利用CPU缓存局部性提升效率
    for (int k = 0; k < channels; k++) {
        for (int dy = 0; dy < dst_h; dy++) {
            for (int dx = 0; dx < dst_w; dx++) {
                // 计算目标像素在原始图像上的浮点坐标
                float fx = dx * scale_w;
                float fy = dy * scale_h;

                // 取浮点坐标周围的四个整数邻域坐标
                int x1 = (int)floor(fx);
                int y1 = (int)floor(fy);
                int x2 = x1 + 1;
                int y2 = y1 + 1;

                // 边界保护：避免坐标越界访问数组
                x1 = (x1 >= src_w) ? src_w - 1 : x1;
                x2 = (x2 >= src_w) ? src_w - 1 : x2;
                y1 = (y1 >= src_h) ? src_h - 1 : y1;
                y2 = (y2 >= src_h) ? src_h - 1 : y2;

                // 计算插值权重（浮点坐标与整数坐标的差值）
                float wx = fx - x1;
                float wy = fy - y1;

                // 按Darknet格式取四个邻域的像素值
                float p11 = src[x1 + y1 * src_w + k * src_w * src_h];
                float p12 = src[x1 + y2 * src_w + k * src_w * src_h];
                float p21 = src[x2 + y1 * src_w + k * src_w * src_h];
                float p22 = src[x2 + y2 * src_w + k * src_w * src_h];

                // 双线性插值计算最终像素值
                float interpolated_val = (1 - wx) * (1 - wy) * p11 +
                                         wx * (1 - wy) * p21 +
                                         (1 - wx) * wy * p12 +
                                         wx * wy * p22;

                // 将结果写入目标图像对应位置
                dst[dx + dy * dst_w + k * dst_w * dst_h] = interpolated_val;
            }
        }
    }

    return dst;
}

• 循环顺序优化：先遍历通道再遍历行列，因为同一通道的像素是连续存储的，能最大化CPU缓存的利用率，提升运行速度。
• 边界保护：当浮点坐标的邻域超出原始图像尺寸时，直接取边界像素，避免数组越界导致的崩溃或垃圾值。
• 严格插值公式：完全遵循双线性插值的权重计算逻辑，保证缩放后的图像平滑无锯齿。

你可以找一张带清晰边缘的彩色测试图，先转成Darknet要求的一维float数组格式，跑这个函数之后再转回常规图像格式查看结果，对比原来的错误输出，应该能看到颜色、细节都恢复正常了。

内容的提问来源于stack exchange，提问作者HighVoltage