numpy和python中的图像简单，高效的双线性插值

numpy和python中的图像简单，高效的双线性插值

我发现有关此主题的许多问题和许多答案，尽管对于数据由网格上的样本（即矩形图像）组成并表示为numpy数组的常见情况而言，没有一个是有效的。此函数可以将列表作为x和y坐标，并且无需循环即可执行查找和求和。

def bilinear_interpolate(im, x, y):    x = np.asarray(x)    y = np.asarray(y)    x0 = np.floor(x).astype(int)    x1 = x0 + 1    y0 = np.floor(y).astype(int)    y1 = y0 + 1    x0 = np.clip(x0, 0, im.shape[1]-1);    x1 = np.clip(x1, 0, im.shape[1]-1);    y0 = np.clip(y0, 0, im.shape[0]-1);    y1 = np.clip(y1, 0, im.shape[0]-1);    Ia = im[ y0, x0 ]    Ib = im[ y1, x0 ]    Ic = im[ y0, x1 ]    Id = im[ y1, x1 ]    wa = (x1-x) * (y1-y)    wb = (x1-x) * (y-y0)    wc = (x-x0) * (y1-y)    wd = (x-x0) * (y-y0)    return wa*Ia + wb*Ib + wc*Ic + wd*Id