优化插值Python

我试图设计一个函数，将图像从笛卡尔坐标系转换为极坐标系。为此，我需要使用插值，但我的代码运行速度非常慢，瓶颈是以下函数：

def img2polar(img, center, final_radius, angle_resolution, Xcart, Ycart):

    points = list(itertools.product(np.arange(0.5, img.shape[0]+0.5, 1.), np.arange(0.5, img.shape[1]+0.5, 1.)))

    values = np.reshape(img, img.shape[0]*img.shape[1], 'C')

    f = interpolate.griddata(points, values, (Xcart, Ycart), method='linear')

    return f

有什么办法可以加速吗

---

非常感谢

嗯

method=nearest

应该会更快，但问题是，如果

插值，griddata

是正确的工具吗？它似乎非常普遍，应该受到这种普遍性的影响。最靠近内极器的

，
interp2d
或
interpn
如何？通常，
点中有多少点？另外，
Xcart
，
Ycart
中的值是否经常变化，或者它们在不同的图像中是否相同？共有1755*525个点。值
Xcart
和
Ycart
在不同的图像中是相同的，但它们不在一个规则的网格中。我使用interp2d重写了它（这种方式需要使用cython编写的循环）。它稍微提高了性能，但仍然非常缓慢