python插补法_SciPy最邻近插值算法

10. SciPy最邻近插值

最邻近插值又称插值取样，最简单的图像缩放算法就是最近邻插值(Nearest-neighbors interpolation)。顾名思义，就是将目标图像各点的像素值设为源图像中与其最近的点。效果并不好，放大后的图像有很严重的马赛克，缩小后的图像有很严重的 失真这是最邻近插值算法的应用，在SciPy里可以简单理解一下什么是最邻近值插值。

10.1 最邻近插值原理

Nearest-neighbors interpolation简称NN，在机器学习里还有K-NN，和NN类似。最邻近插值法，通常有两组点坐标，类似于图像缩放时原图和放大图的关系，第一组是原图，而第二组坐标则是缩放后的图，原图放大需要填充放大部分的空间的数据，故NN里第二组坐标就是在第一组坐标($x_i, y_i$)间插入的数据，第二组坐标里的$x'_i$是知道的，关键是$y'_i$该是多少合适呢？NN算法在选择每个$x'_i$的$y'_i$时，用第一组坐标里的每个$y_i$作为$y'_i$计算($x'_i, y'_i$)到($x_i, y_i$)间的距离$d$,取最小$d$时的$y_i$最为这个$x'_i$的$y'_i$值。假设第一组坐标($x_i, y_i$)有5个，那么$d$就该有25个值，如下图所示：

上图是$x'_i = 0.3$时计算$y'_i =$分别取$ {0.0,0.25,0.5,0.75,1.0}$到第一组各个点$(0.0,0.0),(0.25,0.25),(0.5,0.5),(0.75,0.75),(1.0,1.0)$之间的距离。

经计算