📚 课程目录第4章嵌入式硬件与显示接口

4. 嵌入式硬件与显示接口

图片缩放，说白了就是像素的重映射。你想想看，一张 320×240 的图要撑满 800×480 的屏幕，多出来的像素从哪来？反过来，大图缩成小图，哪些像素该丢？

我在嵌入式项目里踩过不少缩放的坑。有一次用 STM32F429 驱动 7 寸屏，图标缩放后边缘全是锯齿，客户直接拍了照片发群里……嗯，从那以后我对缩放算法再也不敢马虎了。

今天咱们就把四种主流算法掰开揉碎，看看它们到底怎么算、快在哪、又糊在哪。

4.1 四种算法核心原理

先给个总览，后面再细说。

算法	核心思路	计算量级	质量等级
最近邻插值	找最近的像素直接复制	O(1) 每像素	★☆☆☆☆
双线性插值	周围 4 个像素加权平均	O(4) 每像素	★★★☆☆
双三次插值	周围 16 个像素多项式拟合	O(16) 每像素	★★★★☆
Lanczos	周围 36/64 个像素 sinc 卷积	O(36~64) 每像素	★★★★★

关键结论：嵌入式设备上，80% 的场景用双线性就够了。只有照片级预览或文字渲染才需要上双三次或 Lanczos。

4.2 最近邻插值：最快，但最糙

算法逻辑简单到令人发指：目标像素的坐标映射回原图，四舍五入取最近的像素值。

// 最近邻插值核心代码
uint16_t nearest_neighbor(uint8_t *src, int sw, int sh, 
                          float sx, float sy) {
    int ix = (int)(sx + 0.5f);  // 四舍五入
    int iy = (int)(sy + 0.5f);
    // 边界裁剪
    ix = CLAMP(ix, 0, sw - 1);
    iy = CLAMP(iy, 0, sh - 1);
    return src[iy * sw + ix];
}

优点：没有乘法，没有浮点（可以转定点），一个时钟周期就能算一个像素。我在 GD32F450 上测过，放大 2 倍整张图只要 3ms。

缺点：锯齿严重。尤其是斜线和圆弧，放大后像楼梯一样。我曾经用最近邻缩放一个 16×16 的箭头图标到 48×48，结果箭头边缘全是「马赛克台阶」，项目经理看了一眼直接说重做。

避坑：最近邻只适合像素风格 UI 或调色板索引图。如果你做的是照片预览、地图缩放、文字渲染，千万别用。

4.3 双线性插值：性价比之王

这个算法在嵌入式里用得最多。它取目标点周围 4 个像素，按距离加权平均。

// 双线性插值核心
uint16_t bilinear(uint8_t *src, int sw, int sh,
                  float sx, float sy) {
    int ix = (int)sx;
    int iy = (int)sy;
    float dx = sx - ix;
    float dy = sy - iy;
    
    // 取周围 4 个像素
    uint16_t p00 = src[iy * sw + ix];
    uint16_t p10 = src[iy * sw + ix + 1];
    uint16_t p01 = src[(iy + 1) * sw + ix];
    uint16_t p11 = src[(iy + 1) * sw + ix + 1];
    
    // 先水平插值，再垂直插值
    float top = p00 + (p10 - p00) * dx;
    float bot = p01 + (p11 - p01) * dx;
    return (uint16_t)(top + (bot - top) * dy);
}

你看，核心就是 4 次乘法 + 6 次加减法。在 Cortex-M4 上，如果开了 FPU 和 SIMD，一个像素大概 40~60 个周期。

质量表现：边缘比最近邻平滑多了，但会有轻微模糊。我做过对比测试：双线性缩放到 2 倍，PSNR 比最近邻高 8~10dB，肉眼几乎看不出模糊。

我的习惯：在 LVGL 或 TouchGFX 项目中，默认缩放回调函数就用双线性。除非客户明确要求「像素级清晰」，否则不动它。

4.4 双三次插值：质量好，但吃资源

双三次用周围 16 个像素做三次多项式拟合。公式比双线性复杂不少：

// 双三次插值的权重函数
float cubic_weight(float t) {
    float a = -0.5f;  // 常用参数
    if (t < 0) t = -t;
    float t2 = t * t;
    float t3 = t2 * t;
    if (t <= 1.0f)
        return (a + 2.0f) * t3 - (a + 3.0f) * t2 + 1.0f;
    else if (t < 2.0f)
        return a * t3 - 5.0f * a * t2 + 8.0f * a * t - 4.0f * a;
    return 0.0f;
}

每算一个像素，要算 16 次权重函数 + 16 次乘加。在 STM32H743 上，双三次比双线性慢了 4~5 倍。

什么时候用？我只有在两种情况下才上双三次：

图片要作为启动画面或背景，用户会盯着看 3 秒以上
原图分辨率很低（比如 64×64），需要放大 4 倍以上

实测数据：在 ESP32-S3 上缩放 320×240 到 800×480：

最近邻：8ms
双线性：32ms
双三次：142ms
Lanczos-3：268ms

双三次已经接近 60fps 的帧预算极限了（16.6ms 每帧）。

4.5 Lanczos：桌面级质量，但嵌入式慎用

Lanczos 基于 sinc 函数，理论上能保留最多高频细节。它取周围 6×6（Lanczos-3）或 8×8（Lanczos-4）像素做卷积。

算法本身不复杂，但计算量爆炸：

// Lanczos-3 权重
float lanczos_weight(float t, int a) {
    if (t == 0.0f) return 1.0f;
    if (t < -a || t > a) return 0.0f;
    float pt = (float)M_PI * t;
    return (a * sinf(pt) * sinf(pt / a)) / (pt * pt);
}

注意这里用了 sinf，在 Cortex-M 上一条 sin 指令就要 20~40 个周期。算完 36 个权重再加权求和，一个像素轻松上千周期。

我的建议：除非你的芯片有硬件卷积加速器（比如 NXP i.MX RT 系列的 PXP），否则别在 MCU 上用 Lanczos。我在 i.MX RT1064 上试过，用 PXP 硬件加速后 Lanczos-3 能做到 15ms 一张图，但纯软件实现直接卡到 400ms。

曾经踩过的坑：有一次客户要求「图片缩放后不能有任何锯齿和振铃」，我上了 Lanczos-4。结果内存爆了——Lanczos 需要缓存多行像素做卷积，一行 800 像素的 RGBA 图就要 3.2KB，缓存 8 行就是 25.6KB。对于只有 64KB RAM 的芯片来说，这简直是灾难。

4.6 算法选择决策树

下面这张图是我在项目里总结的决策流程，帮你快速选型：

4.7 嵌入式实战优化技巧

光知道算法原理还不够，在嵌入式上跑起来才是真本事。分享几个我常用的优化手段：

定点化：把浮点权重转成 Q15 或 Q31 定点数。双线性插值的 dx/dy 可以转成 0~255 的整数，乘法用 SIMD 一条指令算 4 个像素。
查表法：双三次的权重函数可以预计算成 256 级查找表。我做过测试，查表比实时计算快 3 倍，精度损失不到 0.5dB。
行缓存：缩放时按行处理，只缓存当前需要的几行。双线性需要 2 行，双三次需要 4 行，Lanczos-3 需要 6 行。别一次性加载整张图。
DMA + 双缓冲：用 DMA 搬运像素数据，CPU 专心算插值。我在 STM32H7 上做过，DMA 搬运 + 双缓冲能让缩放吞吐量提升 40%。

我的经验：如果芯片有 FPU，双线性插值直接用 float 算反而比定点快。因为定点需要额外的移位和饱和操作，而 FPU 一条 FMA 指令就搞定了乘加。别盲目追求定点化，先测一下再决定。

4.8 总结：选对算法，事半功倍

四种算法没有绝对的好坏，关键看场景：

场景	推荐算法	理由
像素风游戏/图标	最近邻	保留锯齿感，风格统一
普通 UI 背景/按钮	双线性	速度与质量平衡最好
照片预览/启动画面	双三次	细节保留好，用户感知强
专业图像处理	Lanczos（硬件加速）	最高质量，但成本高

最后说一句：别在项目初期就定死算法。我习惯在代码里留一个回调函数指针，运行时根据图片类型动态切换。这样后期优化时，改一行代码就能换算法，不用重构整个缩放模块。