最近鄰內插值法

內插是使用已知數據來估計未知位置的數據的處理方法。以圖像放大爲例，將一張50X50像素的圖片放大10倍到500X500。通過其縮放的比例，來獲取原圖中最接近的像素，並把該像素灰度賦值給新像素。

設：原圖大小爲n*m像素的圖片，要擴展到a*b像素的圖片

則縱向縮放比例爲：，同理橫向縮放比例爲：

那麼未知像素點，對應的原圖像的像素點，對應關係爲：

                                                                          ，

下面使用Python實現任意RGB彩色圖片，縮放到任意像素大小：

使用的圖片如下：

 引用使用到的第三方庫：

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

 讀取圖片數據並可視化：

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

 將圖像數據轉換爲numpy數組：

img_data = np.array(img)

查看圖像大小和通道數：

np.shape(img_data)

 可以看到，原圖片是300*533像素，RGB三通道的彩色圖片

(300, 533, 3)

 定義最近鄰內插值法的實現函數：

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

新圖片數據暫時使用數組存儲 

下面來看看結果：

調用函數，得到新圖片，這裏對原圖片大小擴大一倍

new_img = Nearest_neighbor_interpolation(600, 1066, img_data)

 查看新圖片大小：

np.shape(new_img)

大小與預期一致

(600, 1066, 3)

 將數組數據，轉換爲圖片數據：

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

 可視化結果：

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()

 左側爲縮放結果，右側爲原圖像：