最近邻内插值法

内插是使用已知数据来估计未知位置的数据的处理方法。以图像放大为例，将一张50X50像素的图片放大10倍到500X500。通过其缩放的比例，来获取原图中最接近的像素，并把该像素灰度赋值给新像素。

设：原图大小为n*m像素的图片，要扩展到a*b像素的图片

则纵向缩放比例为：，同理横向缩放比例为：

那么未知像素点，对应的原图像的像素点，对应关系为：

                                                                          ，

下面使用Python实现任意RGB彩色图片，缩放到任意像素大小：

使用的图片如下：

 引用使用到的第三方库：

from PIL import Image
import matplotlib.pyplot as plt
import numpy as np

 读取图片数据并可视化：

img = Image.open('灰原.jpg')
plt.axis('off')
plt.imshow(img)
plt.show()

 将图像数据转换为numpy数组：

img_data = np.array(img)

查看图像大小和通道数：

np.shape(img_data)

 可以看到，原图片是300*533像素，RGB三通道的彩色图片

(300, 533, 3)

 定义最近邻内插值法的实现函数：

def Nearest_neighbor_interpolation(n, m, img):
    new_img = [[] for _ in range(n)]
    r = n / float(np.shape(img)[0])
    l = m / float(np.shape(img)[1])
    for i in range(n):
        for j in range(m):
            x0 = int(i / r)
            y0 = int(j / l)
            new_img[i].append(list(img[x0][y0]))
    return new_img

新图片数据暂时使用数组存储 

下面来看看结果：

调用函数，得到新图片，这里对原图片大小扩大一倍

new_img = Nearest_neighbor_interpolation(600, 1066, img_data)

 查看新图片大小：

np.shape(new_img)

大小与预期一致

(600, 1066, 3)

 将数组数据，转换为图片数据：

new_img = Image.fromarray(np.uint8(new_img))

 可视化结果：

plt.figure(figsize=(60,107))
plt.subplot(121)
plt.imshow(new_img)
plt.axis('off')
plt.subplot(122)
plt.imshow(img_data)
plt.axis('off')
plt.show()

 左侧为缩放结果，右侧为原图像：