本项目通过Python编程实现了多种常用的数值插值算法，并提供了完整的代码示例和详细的实验报告。
三种插值方法都是使用Python自己实现的。
1.1 最近邻插值：寻找每个中心点周围的八个点中有无未丢失的点，如果有的话就赋值为第一个找到的点；如果没有，则扩大范围再次寻找，在最大范围内都找不到的话则跳过处理。
1.2 双线性插值：使用解方程的方法求解。整体思路类似于colorization作业实现方式，每个点用周围的八个点进行线性表示，根据距离确定两个权重。四个边界上的点由五个邻居来表示，每个权重为0.2，通过线性平均求和得出结果。构建稀疏矩阵并求解时，A是包含权重的稀疏矩阵，x是一个通道上的像素值向量，b则是原图中保留下来的像素值。
1.3 径向基函数插值：确定一个邻域，并根据该区域内的已知点来计算出rbf函数参数w。再利用得到的w和径向基函数对未知数据进行拟合处理。此算法有两个超参——邻域大小、步长，两者越大计算结果越准确但耗时也更久。
总共实现了以下三个插值方法，并针对RGB通道图像进行了测试：读取RGB图像后将其转换为YUV模式，在该空间内执行运算并最终将结果转回RGB格式进行展示和保存。之所以选择YUV模型是因为它能够保证所有计算都在float类型下完成，从而确保精度不受影响；同时在开始时输入数据也是以整数形式处理的，最后输出图像则转换为标准RGB显示格式。
5星
