[[411126]]

本文轉(zhuǎn)載自微信公眾號(hào)「Python中文社區(qū)」，作者wedo實(shí)驗(yàn)君。轉(zhuǎn)載本文請(qǐng)聯(lián)系Python中文社區(qū)公眾號(hào)。

 1. 什么是插值

最近在做時(shí)間序列預(yù)測(cè)時(shí)，在突增或者突降的變化劇烈的情況下，擬合參數(shù)的效果不好，有用到插值的算法補(bǔ)全一些數(shù)據(jù)來(lái)平滑劇烈變化過(guò)程。還有在圖像處理中，也經(jīng)常有用到插值算法來(lái)改變圖像的大小，在圖像超分(Image Super-Resolution)中上采樣也有插值的身影。

插值(interpolation)，顧名思義就是插入一些新的數(shù)據(jù)，當(dāng)然這些值是根據(jù)已有數(shù)據(jù)生成。插值算法有很多經(jīng)典算法， 本文分享如下：

• 線性插值
• 雙線性插值
• 雙三次插值bicubic interpolation

2. 插值算法原理和實(shí)現(xiàn)

2.1 線性插值

線性插值是最簡(jiǎn)單的插值算法。如下圖已知(x0, y0) (x1, y1)，在x處插值一點(diǎn)(x, y)。

可以通過(guò)簡(jiǎn)單幾何知識(shí)來(lái)推出公式

實(shí)現(xiàn)上直接套公式，如果想插值多個(gè)點(diǎn)，可以利用線性回歸的方式。

import os 
import numpy as np 
from sklearn.linear_model import LinearRegression 
def linear_interpolation(data, inter_num=4): 
    clf = LinearRegression() 
    X = np.array([[1], [inter_num+2]]) 
    y = data 
    clf.fit(X, y) 
    inter_values = clf.predict(np.array([ [i+2] for i in range(inter_num)])) 
    return inter_values 
data = [[10], [20]] 
linear_interpolation(data, 1) 
# array([[15.]]) 
def manual_linear_interpolation(x0, y0, x1, y1, x): 
    return y0+(x-x0)*(y1-y0)/(x1-x0) 
manual_linear_interpolation(1, 10, 3, 20, 2) 
# 15.0 

線性插值算法經(jīng)常用在平滑數(shù)據(jù)上，也用在缺失值預(yù)處理中。

2.2 雙線性插值

雙線性插值是在兩個(gè)方向上同時(shí)進(jìn)行線性插值，經(jīng)常用在圖像處理中。雙線性插值是已知2*2個(gè)點(diǎn)，插值生成一個(gè)點(diǎn)的過(guò)程。

如下圖所示，雙線性插值已知(x0, y1)(x0, y0)(x1, y1)(x1, y0)4個(gè)點(diǎn)，插值計(jì)算(x, y)。

• 先插值生成(x, y1)(x, y0)

• 在插值生成(x, y)

import cv2 
lean_img = cv2.imread('./lena.jpg') 
lena_x2 = cv2.resize(lean_img, (0, 0), fx=2, fy=2, interpolation=cv2.INTER_LINEAR) 

2.3 雙三次插值

雙線性插值利用22個(gè)點(diǎn)插值生成一個(gè)新的點(diǎn)，而雙三次插值利用44個(gè)點(diǎn)來(lái)插值一個(gè)新的點(diǎn)。插值的過(guò)程就是如何估計(jì)aij， aij可以認(rèn)為是16個(gè)點(diǎn)對(duì)插值點(diǎn)的影響因子。

影響因子設(shè)計(jì)來(lái)自于Cubic Convolution Interpolation For Digital Image Processing，

以下為Bicubic函數(shù)

import cv2 
lean_img = cv2.imread('./lena.jpg') 
lena_x2_cubic = cv2.resize(lean_img, (0, 0), fx=2, fy=2, interpolation=cv2.INTER_CUBIC) 

左邊為雙線性插值，右邊有雙三次插值，可以看出雙三次插值效果好，雙線性插值更平滑一點(diǎn)，清晰度不足。

3. 總結(jié)

本文介紹了三種常見的插值算法以及在數(shù)字圖像處理中的應(yīng)用?？偨Y(jié)如下：

• 線性插值：通過(guò)2點(diǎn)插值新的點(diǎn)，可以利用線性回歸計(jì)算插值點(diǎn)
• 雙線性插值：通過(guò)4個(gè)點(diǎn)插值新的點(diǎn)
• 雙三次插值：通過(guò)16個(gè)點(diǎn)插值新的點(diǎn)，插值權(quán)重利用bicubic函數(shù)

作者簡(jiǎn)介：wedo實(shí)驗(yàn)君, 數(shù)據(jù)分析師;熱愛生活，熱愛寫作