双线性插值公式记忆方法和Python实现

import numpy as np

# 定义一个5x5的整数矩阵
matrix = np.array([
    [1, 2, 3, 4, 5],
    [6, 7, 8, 9, 10],
    [11, 12, 13, 14, 15],
    [16, 17, 18, 19, 20],
    [21, 22, 23, 24, 25]
])

# 双线性插值函数
def bilinear(img, x, y):
    h, w = img.shape
    
    # 注意边界，越界了就用边界的值
    x1 = int(x)
    x2 = min(x1 + 1, w - 1)
    y1 = int(y)
    y2 = min(y1 + 1, h - 1)
    
    dx = x - x1
    dy = y - y1
    
    v11 = img[y1, x1]
    v12 = img[y2, x1]
    v21 = img[y1, x2]
    v22 = img[y2, x2]
    
    # 记忆方法v11, v22分别表示最小和最大的坐标，v22对应dx*dy，那v11相对v22变了两个数，则(1-dx)*(1-dy)
    # v21相对v22变了第二个数，则是dx*(1-dy)
    # v12相对v22变了第1个数，则是(1-dx)*dy
    res = (1 - dx) * (1 - dy) * v11 + (1 - dx) * dy * v12 + dx * (1 - dy) * v21 + dx * dy * v22
    
    return res

# 选择一个在图像范围内的浮点坐标作为采样点
x, y = 1.5, 2.5

# 对采样点进行双线性插值
result = bilinear(matrix, x, y)
print("双线性插值结果:", result)