Scipy插值如何将3x3矩阵调整大小/重新采样到5x5？
编辑：保罗在下面解决了这个问题。谢谢！
我正在尝试将3x3矩阵重新采样（升级）为5x5，使用interpolate.interp2d或interpolate.RectBivariateSpline（或其他任何工作）填充中间点。
如果有一个简单的现有函数来执行此操作，我想使用它，但我还没有找到它。例如，一个函数可以像：
# upscale 2x2 to 4x4
matrixSmall = ([[-1,8],[3,5]])
matrixBig = matrixSmall.resample(4,4,cubic)
0,-2,0
-2,11,-2
0,-2,0
0, I[1,0], -2, I[3,0], 0
I[0,1], I[1,1], I[2,1], I[3,1], I[4,1]
-2, I[1,2], 11, I[3,2], -2
I[0,3], I[1,3], I[2,3], I[3,3], I[4,3]
0, I[1,4], -2, I[3,4], 0
import numpy, scipy
from scipy import interpolate
kernelIn = numpy.array([[0,-2,0],
[-2,11,-2],
[0,-2,0]])
inKSize = len(kernelIn)
outKSize = 5
kernelOut = numpy.zeros((outKSize,outKSize),numpy.uint8)
x = numpy.array([0,1,2])
y = numpy.array([0,1,2])
z = kernelIn
xx = numpy.linspace(x.min(),x.max(),outKSize)
yy = numpy.linspace(y.min(),y.max(),outKSize)
newKernel = interpolate.RectBivariateSpline(x,y,z, kx=2,ky=2)
kernelOut = newKernel(xx,yy)
print kernelOut
没有找到相关结果
已邀请:
2 个回复
糖固傻染
import numpy, scipy from scipy import interpolate kernelIn = numpy.array([ [0,-2,0], [-2,11,-2], [0,-2,0]]) inKSize = len(kernelIn) outKSize = 5 kernelOut = numpy.zeros((outKSize),numpy.uint8) x = numpy.array([0,1,2]) y = numpy.array([0,1,2]) z = kernelIn xx = numpy.linspace(x.min(),x.max(),outKSize) yy = numpy.linspace(y.min(),y.max(),outKSize) newKernel = interpolate.RectBivariateSpline(x,y,z, kx=2,ky=2) kernelOut = newKernel(xx,yy) print kernelOut ##[[ 0. -1.5 -2. -1.5 0. ] ## [ -1.5 5.4375 7.75 5.4375 -1.5 ] ## [ -2. 7.75 11. 7.75 -2. ] ## [ -1.5 5.4375 7.75 5.4375 -1.5 ] ## [ 0. -1.5 -2. -1.5 0. ]]咖哀烈
可以做你需要的：这里的“缩放因子”是，因为我们从3x3阵列变为5x5阵列。如果您阅读文档，它表示您还可以为两个轴单独指定缩放系数，这意味着您也可以升级非方形矩阵。默认情况下，它使用三阶样条插值，我不确定是最好的。 我在一些图像上尝试过，它运行得很好。