Upsample和I nterpolate NumPy数组

Posted 2021-04-26

我有一个数组，如：

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插值结果值。我知道对数组进行上采样的好方法是使用：

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]]

但我无法想出一种方法来插值，以消除阵列的每个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]]

像这样的东西（注意：这些不是确切的数字）。我知道可能无法插入这个特定的2D网格，但在我的答案中使用第一个网格，在上采样过程中应该可以插值，因为你增加了像素数，因此可以填补空白”。

我对插值的类型并不太感兴趣，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，如果有人可以分享他们的智慧，将不胜感激！

答案

您可以使用SciPy interp2d进行插值，您可以找到文档here。

我稍微修改了文档中的示例：

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.        ]])

另一答案

我会用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维度的两倍。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，但还有一个额外的步骤，因为imresize重新调整所有内容，使你的最大值变为255，你的min变为0.（并且它将数据类型更改为np.unit8。）您可能需要执行以下操作：

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

我们来看看输出：

>>> 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附带了弃用警告和替代品，但是：

弃用警告：imresize已被弃用！ imresize在SciPy 1.0.0中已弃用，将在1.2.0中删除。请改用skimage.transform.resize。