图像缩放是图像处理领域的重要基本操作之一,在军事侦察、医学图像处理、天文观测、数字摄影以及互联网等诸多领域有广泛应用。图像缩放即改变图像的分辨率,就是根据源图像的像素分布和各种特征,重构出新分辨率下目标图像的像素颜色值,也称为图像重采样和图像插值。本文首先详细分析了已有的图像缩放相关方法,包括基于核函数的插值算法、基于局部相关性的非线性插值算法、基于机器学习与神经网络的缩放算法、基于多边形网格的缩放算法、图像矢量化算法等,总结出图像缩放质量评价标准主要包括如下几个方面:一是图像缩放应当保持像素之间的颜色连续性;二要保持图像的特征信息,如边缘特征、尖锐特征和细节纹理等其它信息;三是算法效率。本文的研究目标是高效、高质量的图像缩放算法。在上述分析基础上,本文提出了两种图像缩放算法。一是基于相关性检测的非线性图像放大。该算法通过全面检测图像的特征方向以及像素之间各类相关性,使得图像放大结果更好地保持了图像的连续性和边缘特征。二是基于双二次B样条局部插值的图像缩放算法。该算法采用了一个双二次B样条函数对图像局部4×4区域的16个像素进行插值重建,克服了传统二次插值的相位偏差问题。然后,通过对该函数进行重采样来实现图像的缩放。由于这两个算法都具有良好的局部性,其求解过程中涉及的局部像素之间不具有耦合性,我们可以利用图形处理器(GPU)的并行计算能力对算法进行加速处理,使得算法效率上相对于传统CPU算法有1-2个数量级的提升。