Question

我有一个numpy数组，其形状如下：（1、128、160、1）。

现在，我有一张图像，其形状为（200，200）。

因此，我执行以下操作：

orig = np.random.rand(1, 128, 160, 1)
orig = np.squeeze(orig)

现在，我要做的是获取原始数组，并使用线性插值将其插值为与输入图像相同的大小，即(200, 200)。我想我必须指定应在其上评估numpy数组的网格，但我无法弄清楚如何做到这一点。

Answer 1

您可以使用scipy.interpolate.interp2d来做到这一点：

from scipy import interpolate

# Make a fake image - you can use yours.
image = np.ones((200,200))

# Make your orig array (skipping the extra dimensions).
orig = np.random.rand(128, 160)

# Make its coordinates; x is horizontal.
x = np.linspace(0, image.shape[1], orig.shape[1])
y = np.linspace(0, image.shape[0], orig.shape[0])

# Make the interpolator function.
f = interpolate.interp2d(x, y, orig, kind='linear')

# Construct the new coordinate arrays.
x_new = np.arange(0, image.shape[1])
y_new = np.arange(0, image.shape[0])

# Do the interpolation.
new_orig = f(x_new, y_new)

请注意在形成x和y时对坐标范围进行-1调整。这样可以确保图像坐标从0到199（包括0和199）。

如何用线性插值插值一个numpy数组

1 个答案: