用numpy和python对图像进行简单、高效的双线性插值

如何在python中为表示为numpy数组的图像数据实现双线性插值？

我发现了许多关于此主题的问题和答案，但对于数据由网格（即矩形图像）上的样本组成并表示为numpy数组的常见情况，没有一个是有效的。此函数可以将列表作为x和y坐标，并将执行查找和求和，而无需循环

def bilinear_interpolate(im, x, y):
    x = np.asarray(x)
    y = np.asarray(y)

    x0 = np.floor(x).astype(int)
    x1 = x0 + 1
    y0 = np.floor(y).astype(int)
    y1 = y0 + 1

    x0 = np.clip(x0, 0, im.shape[1]-1);
    x1 = np.clip(x1, 0, im.shape[1]-1);
    y0 = np.clip(y0, 0, im.shape[0]-1);
    y1 = np.clip(y1, 0, im.shape[0]-1);

    Ia = im[ y0, x0 ]
    Ib = im[ y1, x0 ]
    Ic = im[ y0, x1 ]
    Id = im[ y1, x1 ]

    wa = (x1-x) * (y1-y)
    wb = (x1-x) * (y-y0)
    wc = (x-x0) * (y1-y)
    wd = (x-x0) * (y-y0)

    return wa*Ia + wb*Ib + wc*Ic + wd*Id

---

嗨，Alex，我也在找同样的东西，你的实现看起来很好。我掌握了基本用法，但你能提供一些高级示例（带有多个坐标）来更好地回答这个问题吗？@ffriend:$im$是一个2D numpy数组，$x$和$y$都是长度相同的普通python双精度列表。嘿@AlexFlint，谢谢你发布这个，我有一个小建议。最后一行中的这个小差异将使其与D维值的2D网格兼容，即[WxHxD]，如在D=3 rgb或更高的图像中：

return（Ia.T*wa）.T+（Ib.T*wb）.T+（Ic.T*wc）.T+（Id.T*wd）.T

如果您有任何问题，请告诉我？谢谢@亚历克斯弗林特：我在看维基的定义：我在你的解决方案中遗漏了（y1-y0）*（x1-x0）我遗漏了什么？有没有不划分的理由？@ohadedelstain注意，在回答中

y1=y0+1

和

x1=x0+1

，因此

（y1-y0）*（x1-x0）

总是1。