通常要测试插值算法（对于调整大小，还有旋转和各种“可逆”图像变换，您会多次应用正向算法（即调整大小为两倍，获取结果并将其调整为大小的 1.5 倍，等），然后应用所有的反向变换。

您应用的转换越多，您看到的错误就越多，您的比较就越敏感。它还可以更好地代表您的用例（人们选择已经调整大小的图像，调整大小并发布它）

然后计算结果和原始图像之间的最大差异（或标准偏差，或只是视觉比较）。

在您的情况下，您还可以应用所有正向变换，然后将其调整为原始大小。

有许多方法可以评估您的调整大小算法。研究人员通常使用 PSNR 来比较图像质量。请参阅http://en.wikipedia.org/wiki/Peak_signal-to-noise_ratio 。

请注意，它们使用与标准相同的图像集。请参阅“测试静止图像”中的http://www.hlevkin.com/。

无论如何，如果要计算 PSNR，则需要两张图像（原始图像和测试图像）。因此，当您将分辨率为 a1 的图像调整为 a2 时，您必须将其向后调整为原始 (a1)。然后您可以通过计算 PSNR 来评估它。（我们通常使用与缩小步骤相同的算法来放大（a2-->a1）。）

关键是，如果你想单独测试缩小算法，什么是正确的方法？让我们看看其他人做了什么。

• 使用测试算法缩小规模，使用FIXED算法扩大规模。（通常是传统的，例如双线性、双三次。）

同样，要使用升迁算法，

• 以传统方式缩小规模，然后用测试算法扩大规模。

在这种调整大小的场景中不使用 PSNR，因为 PSNR 或 SSIM 技术仅用于相同大小的图像，但是如果我们使用不同的插值技术调整大小，图像的大小会相对于原始图像发生变化，如果我们再次调整大小将图像调整为原始图像也称为反冲技术，在这种技术中我们无法评估质量，因为边缘的宽度会发生变化，实际上，调整大小的图像边缘宽度会显着增加，特别是在缩小时。

当您将上述方法与标准插值进行比较时，您可以使用 PSNR 和 SSIM 等措施，这些措施在最新版本的 MATLAB 发行版中作为内置函数提供。使用标准插值输出作为参考图像，并使用方法的输出作为目标来计算度量。