对 NumPy 数组进行上采样和插值

Question

我有一个数组，类似于：

array = np.arange(0,4,1).reshape(2,2)

> [[0 1
    2 3]]

我想对这个数组进行上采样以及对结果值进行插值。我知道对数组进行上采样的一个好方法是使用：

array = eratemp[0].repeat(2, axis = 0).repeat(2, axis = 1)
[[0 0 1 1]
 [0 0 1 1]
 [2 2 3 3]
 [2 2 3 3]]

但我无法找到一种方法来插入值以消除数组的每个 2x2 部分之间的“块状”性质。

我想要这样的东西：

[[0 0.4 1 1.1]
 [1 0.8 1 2.1]
 [2 2.3 3 3.1]
 [2.1 2.3 3.1 3.2]]

类似这样的东西（注意：这些不是确切的数字）。我知道可能无法对这个特定的 2D 网格进行插值，但是在我的回答中使用第一个网格，在上采样过程中应该可以进行插值，因为您正在增加像素数，因此可以“填补空白” '。

我对插值的类型不太在意，只要最终输出是平滑的表面！我曾尝试使用 scipy.interp2d 方法，但无济于事，如果有人能分享他们的智慧，将不胜感激！

Answer 1

您可以使用 SciPy interp2d 进行插值，您可以找到文档 here。

我对文档中的示例进行了一些修改：

from scipy import interpolate
x = np.array(range(2))
y = np.array(range(2))
a = np.array([[0, 1], [2, 3]])
xx, yy = np.meshgrid(x, y)
f = interpolate.interp2d(x, y, a, kind='linear')

xnew = np.linspace(0, 2, 4)
ynew = np.linspace(0, 2, 4)
znew = f(xnew, ynew)

如果你打印znew，它应该是这样的：

array([[ 0.        ,  0.66666667,  1.        ,  1.        ],
       [ 1.33333333,  2.        ,  2.33333333,  2.33333333],
       [ 2.        ,  2.66666667,  3.        ,  3.        ],
       [ 2.        ,  2.66666667,  3.        ,  3.        ]])

Answer 2

我会使用scipy.misc.imresize:

array = np.arange(0,4,1).reshape(2,2)
from skimage.transform import resize
out = scipy.misc.imresize(array, 2.0)

2.0 表示我希望输出是输入尺寸的两倍。您也可以提供 int 或 tuple 来指定原始尺寸的百分比或仅指定新尺寸本身。

这很容易使用，但有一个额外的步骤，因为imresize 重新调整所有内容，使最大值变为 255，最小值变为 0。（并将数据类型更改为 np.unit8。）您可能需要做类似的事情：

out = out.astype(array.dtype) / 255 * (np.max(array) - np.min(array)) + np.min(array)

让我们看看输出：

>>> out.round(2)
array([[0.  , 0.25, 0.75, 1.  ],
       [0.51, 0.75, 1.26, 1.51],
       [1.51, 1.75, 2.26, 2.51],
       [2.  , 2.25, 2.75, 3.  ]])

imresize 带有弃用警告和替代警告：

弃用警告：imresize 已弃用！ imresize 已弃用 在 SciPy 1.0.0 中，将在 1.2.0 中删除。采用 skimage.transform.resize 代替。

Answer 3

SciPy 中的表单重采样方法。表示您可以在一个轴上依次对二维数组进行上采样，然后在另一个轴上进行上采样。