Python手动实现双线性的图像插值

双线性插值是一种图像缩放的方法，通过对原始图像中像素的加权平均来生成新的像素值，从而得到更高分辨率的图像。下面是 Python 的双线性插值实现：

import numpy as np
from PIL import Image

def bilinear_interpolation(img, H, W):
    """
    双线性插值实现图像缩放
    :param img: 原始图像
    :param H: 缩放后的高度
    :param W: 缩放后的宽度
    :return: 缩放后的图像
    """
    ori_H, ori_W, channels = img.shape
    x_ratio = float(ori_W - 1) / (W - 1)
    y_ratio = float(ori_H - 1) / (H - 1)
    output = np.zeros((H, W, channels), dtype=np.uint8)
    for i in range(H):
        for j in range(W):
            x = x_ratio * j
            y = y_ratio * i
            x1 = int(x)
            y1 = int(y)
            x2 = x1 + 1 if x1 < ori_W - 1 else x1
            y2 = y1 + 1 if y1 < ori_H - 1 else y1
            f11 = img[y1, x1]
            f12 = img[y2, x1]
            f21 = img[y1, x2]
            f22 = img[y2, x2]
            output[i, j] = [int((f11[k] * (x2 - x) * (y2 - y) +
                                  f21[k] * (x - x1) * (y2 - y) +
                                  f12[k] * (x2 - x) * (y - y1) +
                                  f22[k] * (x - x1) * (y - y1)) / ((x2 - x1) * (y2 - y1))) for k in range(channels)]
    return output

其中，`img` 是原始图像，`H` 和 `W` 分别是缩放后的高度和宽度。该函数首先计算出缩放比例 `x_ratio` 和 `y_ratio`，然后遍历缩放后的图像像素坐标，对于每个像素，计算它在原始图像中的坐标 `(x, y)`，并找到离它最近的四个像素点 `(x1, y1)`、`(x1, y2)`、`(x2, y1)`、`(x2, y2)`。然后，根据这四个像素点的值，按照双线性插值公式计算出该像素点的值，并将其赋值给输出图像的对应位置。

例如，将一张 5x5 的图像缩放为 10x10 的图像：

# 读入原始图像
img_path = 'lena.png'
img = np.array(Image.open(img_path))

# 缩放图像
H, W = 10, 10
output = bilinear_interpolation(img, H, W)

# 显示结果
Image.fromarray(output).show()

运行结果如下图所示：