如何使用 numpy 将数组线性拉伸到更大的尺寸？答案

【问题标题】：how can I linear stretch an array to a bigger size one using numpy?如何使用 numpy 将数组线性拉伸到更大的尺寸？
【发布时间】：2019-11-05 15:35:09
【问题描述】：

我想在更大的数组上线性拉伸增加的 numpy 数组

[2, 4, 6, 8, 10] 类似于：[1.25, 2.5, 3.75, 5, 6.25, 7.5, 8.75, 10]

但一个解决方案可能会接收到普遍增加的输入并仍然线性拉伸它比如说：

[ 2, 4, 6, 7, 8, 10, 20, 20, 20] 并在大小为 20 的数组上线性拉伸

是否有任何现有的 numpy 函数或其他简单的方法？

已编辑：

我会尽量让我的问题更容易理解

我正在尝试均衡图像。作为该过程的一部分，我使用直方图和累积直方图

检查累积直方图时 - 我的第一个灰度级可能不是 0，我的最后一个灰度级可能不是 MAX_VAL（在我的情况下为 255）我想获取接收到的值（一些单调递增的数组），并拉伸它们，使我的第一个灰度级为 0，最后一个为 MAX_VAL。

我正在考虑通过 [第一个灰度级：最后一个灰度级] 裁剪数组，然后尝试将其拉伸回原始大小（在我的情况下为 256），但我似乎不明白该怎么做

提前致谢

【问题讨论】：

对不起，我不明白。可能您想要的与numpy.linspace 松散耦合，但是，相信我，您的问题并不清楚......如果您认为可以改进您的问题，请按照上一个链接edit 它。

标签： python arrays numpy stretch

【解决方案1】：

这个问题似乎在两种意义上使用了“伸展”。
1) 将数组中的值转换为给定范围。
2) 将数组扩展为更大的数组。

版本 1.a -> 0 到 255，大小没有变化。

def translate(x, mx):
    lo = x.min()
    rng = x.max()-lo
    return (x-lo)*mx/rng

a =np.array([10, 15,16,20, 25, 125, 126, 130, 150, 200, 201., 202])

at = translate(a,255.)
print(at)
# array([  0.      ,   6.640625,   7.96875 ,  13.28125 ,  19.921875,
#        152.734375, 154.0625  , 159.375   , 185.9375  , 252.34375 ,
#        253.671875, 255.      ])

数组 a 保持相同大小，但值被拉伸以填充 0 到 255 的范围。

第 2 版

x = np.arange(len(a)) # An independent x for each a (or at)
new_x = np.linspace( 0., 11., 24)  # Make the result have 25 elements, from 11.
print(new_x)
# [ 0.          0.47826087  0.95652174  1.43478261  1.91304348  2.39130435
#   2.86956522  3.34782609  3.82608696  4.30434783  4.7826087   5.26086957
#   5.73913043  6.2173913   6.69565217  7.17391304  7.65217391  8.13043478
#   8.60869565  9.08695652  9.56521739 10.04347826 10.52173913 11.        ]

使用 new_x 根据 x 插入 a（或 at）值

np.interp(new_x, x, at) # The array at is made longer (25 elements) 
# array([  0.        ,   3.17595109,   6.35190217,   7.21807065,
#          7.85326087,  10.04755435,  12.58831522,  15.59103261,
#         18.7669837 ,  60.34307065, 123.86209239, 153.08084239,
#        153.71603261, 155.2173913 , 157.75815217, 163.99456522,
#        176.69836957, 194.59918478, 226.35869565, 252.45923913,
#        253.09442935, 253.72961957, 254.36480978, 255.        ])

np.interp(new_x, x, a) # The original array a is made longer (25 elements) 
# array([ 10.        ,  12.39130435,  14.7826087 ,  15.43478261,
#         15.91304348,  17.56521739,  19.47826087,  21.73913043,
#         24.13043478,  55.43478261, 103.26086957, 125.26086957,
#        125.73913043, 126.86956522, 128.7826087 , 133.47826087,
#        143.04347826, 156.52173913, 180.43478261, 200.08695652,
#        200.56521739, 201.04347826, 201.52173913, 202.        ])

我不确定任一答案是否符合问题，但这是我可以解释的两种方式。

【讨论】：

感谢您的回复，我需要研究插值，以便确切了解它的作用

【解决方案2】：

像这样？

your_array = np.array([2,4,6,8,10])
streched_array = np.linspace(np.min(your_array),np.max(your_array),20)

【讨论】：

我认为，如果原始数组中的值像 OP 所说的那样单调递增，那么使用第一个和最后一个元素作为下限和上限就足够了，而不是按顺序遍历整个数组两次找到最小值和最大值。不过还是不错的答案。