python - Scipy 插值如何将 3x3 矩阵调整大小/重新采样为 5x5？

Question

编辑: Paul 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(放大)到 5x5，用 interpolate.interp2d 或 interpolate.RectBivariateSpline(或任何有效的方法)填充中间点。

如果有一个简单的现有函数可以执行此操作，我想使用它，但我还没有找到它。例如，一个函数的工作方式如下:

# upscale 2x2 to 4x4
matrixSmall = ([[-1,8],[3,5]])
matrixBig = matrixSmall.resample(4,4,cubic)

所以，如果我从 3x3 矩阵/数组开始:

0,-2,0
-2,11,-2
0,-2,0

我想计算一个新的 5x5 矩阵(“I”表示插值):

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

我一直在搜索、阅读和尝试各种不同的测试代码，但我还没有完全弄清楚我正在尝试做的事情的正确语法。我也不确定我是否需要在某些行中使用 meshgrid、mgrid 或 linspace。

编辑:修复和工作感谢保罗

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

Answer 1

只有两个小问题:

1) 你的 xx,yy 超出了 x,y 的范围(你可以推断，但我猜你不想这样做。)

2) 对于 3(默认)的 kx 和 ky，您的样本量太小。将其降低到 2 并获得二次拟合而不是三次拟合。

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.    ]]