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,而无需循环用numpy和python对图像进行简单、高效的双线性插值,python,numpy,interpolation,Python,Numpy,Interpolation,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) x
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。