用python代码实现双线性插值算法，实现图像的旋转、缩放

双线性插值算法是一种常用的图像处理算法，可以在图像的旋转、缩放等操作中使用。下面是用Python代码实现双线性插值算法的示例：

import numpy as np
from scipy import ndimage

def bilinear_interpolation(img, scale):
    # 获取图像大小
    height, width = img.shape

    # 计算缩放后的图像大小
    new_height = int(height * scale)
    new_width = int(width * scale)

    # 创建新图像
    new_img = np.zeros((new_height, new_width), dtype=np.uint8)

    # 计算缩放比例
    scale_y = (height - 1) / (new_height - 1)
    scale_x = (width - 1) / (new_width - 1)

    # 双线性插值
    for i in range(new_height):
        for j in range(new_width):
            y = i * scale_y
            x = j * scale_x

            # 计算四个相邻像素的坐标
            y1 = int(np.floor(y))
            x1 = int(np.floor(x))
            y2 = min(y1 + 1, height - 1)
            x2 = min(x1 + 1, width - 1)

            # 计算四个相邻像素的权重
            w1 = (y2 - y) * (x2 - x)
            w2 = (y2 - y) * (x - x1)
            w3 = (y - y1) * (x2 - x)
            w4 = (y - y1) * (x - x1)

            # 双线性插值计算
            new_img[i, j] = w1 * img[y1, x1] + w2 * img[y1, x2] + w3 * img[y2, x1] + w4 * img[y2, x2]

    return new_img

def rotate_image(img, angle):
    # 旋转图像
    rotated_img = ndimage.rotate(img, angle)

    return rotated_img

# 测试
img = np.array([[1,2,3],[4,5,6],[7,8,9]], np.uint8)
print("原图：")
print(img)

# 缩放
scale = 2
resized_img = bilinear_interpolation(img, scale)
print("缩放后的图：")
print(resized_img)

# 旋转
angle = 30
rotated_img = rotate_image(img, angle)
print("旋转后的图：")
print(rotated_img)

在上面的代码中，我们实现了双线性插值算法和图像旋转、缩放操作。其中，`bilinear_interpolation()` 函数实现了双线性插值算法，输入参数为原始图像和缩放比例，输出为缩放后的图像；`rotate_image()` 函数实现了图像旋转操作，输入参数为原始图像和旋转角度，输出为旋转后的图像。