在 numpy 和 python 中对图像进行简单、高效的双线性插值答案

【问题标题】：Simple, efficient bilinear interpolation of images in numpy and python在 numpy 和 python 中对图像进行简单、高效的双线性插值
【发布时间】：2020-06-09 06:49:14
【问题描述】：

如何在 python 中为表示为 numpy 数组的图像数据实现双线性插值？

【问题讨论】：

标签： python numpy interpolation

【解决方案1】：

我发现了很多关于这个主题的问题和很多答案，但对于数据由网格上的样本（即矩形图像）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，并且无需循环即可执行查找和求和。

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

【讨论】：

嗨，Alex，我正在寻找同样的东西，您的实现看起来不错。我掌握了基本用法，但是您能否提供一些高级示例（带有多个坐标）以使这个答案更好？
@ffriend：$im$ 是一个 2D numpy 数组，$x$ 和 $y$ 都是具有相同长度的普通 python 列表。
嘿@AlexFlint，感谢您发布此内容，我有一个小建议。最后一行中的这个小差异将使它与 D 维值的 2D 网格兼容，即 [WxHxD]，如 D=3 rgb 图像或更高：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！
@AlexFlint 我正在查看 wiki 定义：en.wikipedia.org/wiki/Bilinear_interpolation 并且我在您的解决方案中缺少 (y1-y0)*(x1-x0) 我缺少什么？有理由不分裂吗？
@ohadedelstain 请注意，在答案y1 = y0 + 1 和x1 = x0 + 1 中，因此(y1-y0)*(x1-x0) 始终为1。