二维插值（Python)

最新推荐文章于 2024-02-26 19:29:11 发布

北北的巷栀酒

最新推荐文章于 2024-02-26 19:29:11 发布

阅读量1.6k

点赞数

文章标签： python

本文链接：https://blog.csdn.net/m0_59309242/article/details/119600755

版权

这篇博客主要展示了如何使用Python进行模糊图像处理和三维图的绘制。首先，通过定义函数并创建网格，利用Scipy的插值功能进行图像的立方插值处理，然后使用Matplotlib库展示原始和插值后的图像。接着，博客介绍了如何创建三维图，并进行二维插值，将插值后的数据在新的网格上绘制，同样使用了Matplotlib和Scipy的插值函数。最后，展示了原始和插值后的三维图像，以对比效果。

摘要由CSDN通过智能技术生成

1.模糊图像处理

import numpy as np
from scipy import interpolate
import pylab as pl
import matplotlib as mpl
def func (x,y):
    return (x+y)*np.exp(-5.0*(x**2+y**2))
pl.figure(figsize =(12,9))  #设置窗口大小，a为图形的宽，b为图形的高
#X-Y 轴分为 15*15 的网格
y, x = np.mgrid[-1:1:15j, -1:1:15j]  #np.mgrid[start:end:step],开始坐标：结束坐标：步长
# 计算每个网格点上函数值
fvals = func (x,y)
newfunc = interpolate.interp2d(x, y, fvals , kind='cubic')  #插值

xnew = np.linspace(-1,1,100)
ynew = np.linspace(-1,1,100)
fnew = newfunc(xnew ,ynew)

pl.subplot(121)
im1 = pl.imshow (fvals , extent = [-1,1,-1,1],
cmap = mpl.cm.hot,interpolation='nearest', origin="lower")
pl.colorbar(im1)
pl.subplot(122)
im2 = pl.imshow(fnew , extent = [-1,1, -1,1], cmap = mpl.cm.hot, interpolation='nearest', origin="lower")
pl.colorbar(im2)
pl.show()

2.三维图

import numpy as np
from mpl_toolkits.mplot3d import Axes3D
import matplotlib as mpl
from scipy import interpolate
import matplotlib.cm as cm
import matplotlib.pyplot as plt


def func(x, y):
    return (x + y) * np.exp(-5.0 * (x ** 2 + y ** 2))


# X-Y轴分为20*20的网格
x = np.linspace(-1, 1, 20)
y = np.linspace(-1, 1, 20)
x, y = np.meshgrid(x, y)  # 20*20的网格数据

fvals = func(x, y)  # 计算每个网格点上的函数值  15*15的值

fig = plt.figure(figsize=(18,10))  # 设置图的大小
# Draw sub-graph1
ax = plt.subplot(1, 2, 1, projection='3d')  # 设置图的位置
surf = ax.plot_surface(x, y, fvals, rstride=2, cstride=2, cmap=cm.coolwarm, linewidth=0.5,
                       antialiased=True)  # 第四个第五个参数表示隔多少个取样点画一个小面，第六个表示画图类型，第七个是画图的线宽，第八个表示抗锯齿
ax.set_xlabel('x')
ax.set_ylabel('y')
ax.set_zlabel('f(x, y)')  # 标签
plt.colorbar(surf, shrink=0.5, aspect=5)  # 标注

# 二维插值
newfunc = interpolate.interp2d(x, y, fvals, kind='cubic')  # newfunc为一个函数

# 计算100*100的网格上的插值
xnew = np.linspace(-1, 1, 100)  # x
ynew = np.linspace(-1, 1, 100)  # y
fnew = newfunc(xnew, ynew)  # 仅仅是y值   100*100的值  np.shape(fnew) is 100*100
print(fnew)
xnew, ynew = np.meshgrid(xnew, ynew)
ax2 = plt.subplot(1, 2, 2, projection='3d')
surf2 = ax2.plot_surface(xnew, ynew, fnew, rstride=2, cstride=2, cmap=cm.coolwarm, linewidth=0.5, antialiased=True)
ax2.set_xlabel('xnew')
ax2.set_ylabel('ynew')
ax2.set_zlabel('fnew(x, y)')
plt.colorbar(surf2, shrink=0.5, aspect=5)  # 标注
plt.show()