双线性插值超分 2×/3×/4×
什么时候用双线性插值超分
ZenConverter 提供两条超分路线：双线性插值（原生 Bitmap API）和 Real-ESRGAN 深度学习（NCNN Vulkan）。选择哪条取决于你的需求：
| 对比项 | 双线性插值 2×/3×/4× | Real-ESRGAN AI 超分 |
|---|---|---|
| 速度 | 快（纯 CPU Bitmap API） | 慢（GPU/CPU 神经网络推理） |
| 质量 | 放大后边缘可能有锯齿感 | AI 会重建细节，观感自然 |
| 模型依赖 | 无 | 需要下载 4.65MB 或 63.9MB 模型 |
| GPU 依赖 | 无 | 依赖 NCNN Vulkan |
| 透明通道 | ✅ 保留 | ❌ 不保留（AI 模型不支持 alpha） |
| 适用场景 | 临时放大、网页展示、小分辨率图 | 追求画质的放大、打印素材 |
双线性插值是零依赖、零准备的路线——不需要下载模型，不需要 GPU，选了就能用。但它的放大是"纯数学插值"，不会真正创造新细节。
算法原理
双线性插值（Bilinear Interpolation）是一种经典的图像放大算法：
- 在原图的每个像素之间插入新像素；
- 新像素的颜色值由周围 4 个原像素按距离加权平均得到；
- 放大倍数（2×、3×、4×）直接决定了要插入多少新像素。
Android 平台的 Bitmap.createScaledBitmap() 内置了这种算法，不需要任何第三方库。
参数
只有一个参数：放大倍数。可选值：
- 2×
- 3×
- 4×
没有更多手动参数了（比如插值算法、filter mode 等）。这是设计选择——双线性插值的场景就是"临时放大一下"，不需要精调。
和 AI 超分的互斥关系
当选择了双线性插值 2×/3×/4× 时：
- Real-ESRGAN AI 超分会被隐藏——两条路线互斥，不能同时选；
- GIF 拆帧模式会被隐藏——AI 和插值超分只对 raster 单图输出生效，不对拆帧模式生效。
当没有选任何超分选项（默认关闭）时，这两条路线都可选（当然也互斥）。
像素预算也会生效
双线性插值虽然是原生 Bitmap API，不走 NCNN，但输出像素预算仍然会生效——和 AI 超分共用同一套像素安全机制（见像素预算页面）。放大到 4× 后如果输出像素数超过预算上限，会自动缩到安全范围。
已知边界
- 不会创造新细节：这是插值算法的本质局限，不是 bug。4× 双线性插值放大一张 256×256 的头像图，得到 1024×1024，但边缘可能有明显锯齿，适合网页缩略图级别的放大，不适合打印或严肃的后期制作；
- 透明通道保留：双线性插值不碰 alpha 通道，PNG/WEBP/ICO 输出都能保留原图的透明背景；
- 输出格式和超分路线独立：选 2× 双线性插值 + 输出 PNG，或者 2× 双线性插值 + 输出 WEBP Balanced，组合自由。
使用建议
- 临时放大做海报：小分辨率图放大做社交媒体海报，双线性插值够用了；
- 给朋友看的放大预览：不需要下载 AI 模型就能直接放大一张图看效果；
- 追求画质请选 AI 超分：如果放大后还要打印或进一步处理，花点时间下载 Real-ESRGAN 模型是值得的。
相关页面
- Real-ESRGAN 深度学习 4× AI 超分 —— AI 超分路线，画质更好但需要模型
- 动态像素预算与 OOM 防护 —— 双线性插值和 AI 超分共用同一套安全机制
- 图片格式互转 —— 超分后可以选五种图像输出格式
