双线性插值的Python实现(采用矩阵运算，无for循环)

最新推荐文章于 2024-01-17 09:25:26 发布

cfun.cqupt

最新推荐文章于 2024-01-17 09:25:26 发布

阅读量2.6k

点赞数 4

分类专栏：计算视觉代码实现文章标签：图像处理 cv numpy python 计算机视觉

本文链接：https://blog.csdn.net/qq_37931219/article/details/115080486

版权

本文介绍了如何利用numpy库的矩阵运算来高效地实现双线性插值，避免了传统的三重for循环方式，适用于图像处理中的批处理操作。内容包括双线性插值原理的引用，代码实现细节，以及最终用狗子照片进行的测试验证，结果显示放大和缩小都得到了正确结果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

最近写深度学习网络需要对feature map进行双线性插值，opencv的resize不能对图像进行批处理，网上找到的双线性插值的代码基本都是三重for循环实现的，效率太低下，干脆自己用numpy库的矩阵运算实现了一个。

双线性插值原理参考：

https://zhuanlan.zhihu.com/p/112030273

感谢大佬Orz。

本文知乎同款：https://zhuanlan.zhihu.com/p/266845896

import numpy as np

def bilinear_interpolate(source, scale=2, pad=0.5):
	sour_shape = source.shape
	(sh, sw) = (sour_shape[-2], sour_shape[-1])
	padding = pad*np.ones((sour_shape[0], sour_shape[1], sh+1, sw+1))
	padding[:,:,:-1,:-1] = source

	(th, tw) = (round(scale*sh), round(scale*sw))

	grid = np.array(np.meshgrid(np.arange(th), np.arange(tw)), dtype=np.float32)
	xy = np.copy(grid)
	xy[0] *= sh/th
	xy[1] *= sw/tw
	x = xy[0].flatten()
	y = xy[1].flatten()

	c