ndimage.zoom(input,zoom,output=None,order,mode='constant',cval=0.0,prefilter=True)函數(shù)

此函數(shù)將輸入的圖片從一個(gè)顏色域轉(zhuǎn)換到另一個(gè)。

參數(shù)

input: 以數(shù)組形式輸入圖片
zoom:浮點(diǎn)數(shù)或數(shù)組。如果是一個(gè)浮點(diǎn)數(shù)，對每一個(gè)軸放縮相同的倍數(shù)。如果是一個(gè)數(shù)組，則對每一個(gè)軸分配一個(gè)值。
output:輸出，默認(rèn)為None
order:整型（范圍0-5）樣條插值的順序，默認(rèn)為3。詳見后續(xù)

return

mode:字符串，包括{‘reflect’, ‘constant’, ‘nearest’, ‘mirror’, ‘wrap’}，輸入的數(shù)組如何擴(kuò)展邊界，默認(rèn)為 ‘constant'（具體參考官方文檔插值的邊界處理）
cval:浮點(diǎn)數(shù)，當(dāng)插值的邊界處理模式為’constant‘時(shí)發(fā)揮作用。默認(rèn)為0.0
prefilter:bool,input輸入的數(shù)組是否經(jīng)過一個(gè)預(yù)樣條濾波器，默認(rèn)為True

測試

設(shè)原圖,
目標(biāo)圖片
設(shè)之比為,,則:




設(shè)原圖坐標(biāo)上的像素點(diǎn)，
目標(biāo)圖片坐標(biāo)上的像素的為

最鄰近插值算法（當(dāng)參數(shù)order=0時(shí)）

1.計(jì)算目標(biāo)圖片的坐標(biāo)點(diǎn)對應(yīng)原圖中哪個(gè)坐標(biāo)點(diǎn)，公式為：




2.根據(jù)dst_x,dst_y的值四舍五入為整數(shù)，填充到目標(biāo)圖片的相應(yīng)位置。

用圖片表示最鄰近插值算法的例子如下：

pic=ndimage.zoom(pic,2,order=0)

原圖片

轉(zhuǎn)換后的圖片

由上圖可以看到，經(jīng)過轉(zhuǎn)換后的圖片出現(xiàn)了鋸齒感。

用數(shù)組表示最鄰近插值算法的例子如下：

n1=np.array([
    [1,2],
    [3,4]
])
print(n1)
"""
[[1 2]
 [3 4]]
"""
n1=ndimage.zoom(n1,2,order=0)
print(n1)
"""
[[1 1 2 2]
 [1 1 2 2]
 [3 3 4 4]
 [3 3 4 4]]
"""

雙線性插值算法（當(dāng)參數(shù)order=1時(shí)）

1.計(jì)算目標(biāo)圖片的坐標(biāo)點(diǎn)對應(yīng)原圖中哪個(gè)坐標(biāo)點(diǎn)（此步與最鄰近插值算法相同），公式為：




2.由于點(diǎn) 是個(gè)浮點(diǎn)數(shù)坐標(biāo)，無法用整型的灰度值或RGB值來表示，因此雙線性插值算法通過尋找距離這個(gè)對應(yīng)坐標(biāo)最近的四個(gè)像素點(diǎn)，來計(jì)算該點(diǎn)的值（灰度值或者RGB值）。
設(shè)分解后的坐標(biāo)為：



首先，在x方向上進(jìn)行線性插值，代表該點(diǎn)的像素值。




然后，在y方向上進(jìn)行線性插值：



得到的就是該點(diǎn)經(jīng)過處理后的像素值，填充到目標(biāo)圖片的相應(yīng)位置。

用圖片表示雙線性插值算法的例子如下

ndimage.zoom(pic,2,order=0)

原圖片

轉(zhuǎn)換后的圖片

可見，雙線性插值算法的鋸齒感要少于最鄰近插值法。

用數(shù)組表示雙線性插值算法的例子如下

n1=np.array([
    [1,2,3],
    [4,5,6],
    [7,8,9],
])
print(n1)
"""
[[1 2 3]
 [4 5 6]
 [7 8 9]]
"""
n1=ndimage.zoom(n1,2,order=1)
print(n1)
"""
[[1 1 2 2 3 3]
 [2 3 3 3 4 4]
 [3 4 4 5 5 5]
 [5 5 5 6 6 7]
 [6 6 7 7 7 8]
 [7 7 8 8 9 9]]
"""

三次插值法（order=3)

三次插值法(cubic interpolation method)是一種多項(xiàng)式插值法，逐次以三次曲線φ(t)=a₀+a₁t+a₂t²+a₃t³的極小點(diǎn)逼近尋求函數(shù)f(t)的極小點(diǎn)的一種方法.(摘自百度百科)

用圖片表示三次插值算法的例子如下

ndimage.zoom(pic,2,order=2)

原圖片

轉(zhuǎn)換后的圖片

可見，三次插值法處理后的圖片幾乎沒有鋸齒感

用數(shù)組表示三次插值算法的例子如下

n1=np.array([
    [1,2,3],
    [4,5,6],
    [7,8,9],
])
print(n1)
"""
[[1 2 3]
 [4 5 6]
 [7 8 9]]
"""
n3=ndimage.zoom(n1,2,order=2)
print(n3)
"""
[[1 1 2 2 3 3]
 [2 2 2 3 3 4]
 [3 3 4 4 5 5]
 [5 5 6 6 7 7]
 [6 7 7 8 8 8]
 [7 7 8 8 9 9]]
"""