锐客网

  1. 首页 > 生活百科 > it技术 > >

python多维插值函数 多维插值算法

IT技术插值

气象 python 二维线性插值 scipy.interpolate.griddata(points, values, xi, method='linear', fill_value=https://www.04ip.com/post/nan, rescale=False)
官网：
一维数组，shape为（n，） ，是需要插值的变量数据
如果需要插值的变量var是一个多维数组，则需要转换成一维的
方法：var.ravel()
values的坐标，shape为（n，D），第一维需要与values长度相同，
D就是values的坐标轴个数
如果是在地图上，D为2，分别是lon、lat，是values中对应的每个数据的lat和lon
插值过后的新的坐标，shape为(m, D) ，第二维与points的第二维相同
插值方法，有 ‘linear’, ‘nearest’, ‘cubic’
nearest：返回最接近插值点的数据点的值
linear：线性插值
cubic：三次样条
用于填充输入点凸包之外的请求点的值 。如果未提供，则默认值为 nan。此选项对‘nearest’ 方法无效 。
在执行插值之前将点重新缩放到单位立方体 。如果某些输入维度具有不可比较的单位并且相差许多数量级，这将很有用 。
图像双三次插值算法原理及python实现一. 图像双三次插值算法原理：
假设源图像 A 大小为 m*n ，缩放后的目标图像 B 的大小为 M*N。那么根据比例我们可以得到 B(X,Y) 在 A 上的对应坐标为 A(x,y) = A( X*(m/M), Y*(n/N) )。在双线性插值法中 ， 我们选取 A(x,y) 的最近四个点 。而在双立方插值法中，我们选取的是最近的16个像素点作为计算目标图像 B(X,Y) 处像素值的参数 。如图所示：
如图所示 P 点就是目标图像 B 在 (X,Y) 处对应于源图像中的位置，P 的坐标位置会出现小数部分 ， 所以我们假设 P 的坐标为 P(x u,y v)，其中 x,y 分别表示整数部分 ， u,v 分别表示小数部分 。那么我们就可以得到如图所示的最近 16 个像素的位置 ， 在这里用 a(i,j)(i,j=0,1,2,3) 来表示 。
【python多维插值函数 多维插值算法】双立方插值的目的就是通过找到一种关系，或者说系数，可以把这 16 个像素对于 P 处像素值的影响因子找出来 ， 从而根据这个影响因子来获得目标图像对应点的像素值 ， 达到图像缩放的目的 。
BiCubic基函数形式如下：
二. python实现双三次插值算法
from PIL import Image
import numpy as np
import math
# 产生16个像素点不同的权重
def BiBubic(x):
x=abs(x)
if x=1:
return 1-2*(x**2) (x**3)
elif x2:
return 4-8*x 5*(x**2)-(x**3)
else:
return 0
# 双三次插值算法
# dstH为目标图像的高，dstW为目标图像的宽
def BiCubic_interpolation(img,dstH,dstW):
scrH,scrW,_=img.shape
#img=np.pad(img,((1,3),(1,3),(0,0)),'constant')
retimg=np.zeros((dstH,dstW,3),dtype=np.uint8)
for i in range(dstH):
for j in range(dstW):
scrx=i*(scrH/dstH)
scry=j*(scrW/dstW)
x=math.floor(scrx)
y=math.floor(scry)
u=scrx-x
v=scry-y
tmp=0
for ii in range(-1,2):
for jj in range(-1,2):
if x ii0 or y jj0 or x ii=scrH or y jj=scrW:
continue
tmp =img[x ii,y jj]*BiBubic(ii-u)*BiBubic(jj-v)
retimg[i,j]=np.clip(tmp,0,255)
return retimg
im_path='../paojie.jpg'
image=np.array(Image.open(im_path))
image2=BiCubic_interpolation(image,image.shape[0]*2,image.shape[1]*2)
image2=Image.fromarray(image2.astype('uint8')).convert('RGB')
image2.save('BiCubic_interpolation.jpg')
三. 实验结果：
四. 参考内容：

python怎样对矩阵进行插值？首先需要创建数组才能对其进行其它操作 。
我们可以通过给array函数传递Python的序列对象创建数组 ， 如果传递的是多层嵌套的序列，将创建多维数组(下例中的变量c):
a = np.array([1, 2, 3, 4])
b = np.array((5, 6, 7, 8))
c = np.array([[1, 2, 3, 4],[4, 5, 6, 7], [7, 8, 9, 10]])
b
array([5, 6, 7, 8])
c
array([[1, 2, 3, 4],
[4, 5, 6, 7],
[7, 8, 9, 10]])
c.dtype
dtype('int32')
数组的大小可以通过其shape属性获得：
a.shape
(4,)
c.shape
关于python多维插值函数和多维插值算法的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站 。

    推荐阅读


    上一篇：.java实验报告代码，java实验报告一

    下一篇：阿曼即时游戏攻略视频，阿曼时间