scipy 如何使用插值法将任意Numpy NDArray的大小调整为新形状

r7knjye2 于 2022-11-10 发布在其他

关注(0)|答案(1)|浏览(130)

备注：

这与其说是一个问题，不如说是一个贡献，因为我会回答我自己的问题，不过，我仍然对社会如何解决这个问题感兴趣，所以请随便回答。

故事：

因此，当我在Python中使用QT（即PySide6）和它的Volume渲染功能时，我注意到在设置数据数组时出现了一些问题。长话短说：我不知道（如果在QT文档中有说明的话）提供的纹理必须是每个维度都是2的幂的形状。
因此，我想将数组重新缩放为满足此条件的形状。
使用numpy计算此形状非常简单：
new_shape = numpy.power(2, numpy.ceil(numpy.log2(old_shape))).astype(int)
现在剩下的唯一问题是将形状为old_shape的数组重新缩放为形状为new_shape的新数组，并正确地插入值。
由于我通常只对某种通用的方法感兴趣（谁知道这对谁有好处，谁知道将来对谁有好处），下面的问题确实出现了：

问题

如何通过适当的插值将old_shape形状的任意Numpy NDArray调整为new shape形状的Numpy NDArray？
我试着用Scipy RegularGridInterpolator来重新缩放我的数组，它确实起作用了。

scipy

来源：https://stackoverflow.com/questions/73662060/how-to-resize-an-arbitrary-numpy-ndarray-to-a-new-shape-using-interpolation

1条答案

按热度按时间

o2rvlv0m1#

我使用scipy的RegularGridInterpolator对数组进行插值。
其他插值器也应该可以工作。

def resample_array_to_shape(array: np.array, new_shape, method="linear"):
    # generate points for each entry in the array
    entries = [np.arange(s) for s in array.shape]

    # the value for each point corresponds to its value in the original array
    interp = RegularGridInterpolator(entries, array, method=method)

    # new entries
    new_entries = [np.linspace(0, array.shape[i] - 1, new_shape[i]) for i in range(len(array.shape))]

    # use 'ij' indexing to avoid swapping axes
    new_grid = np.meshgrid(*new_entries, indexing='ij')

    # interpolate and return
    return interp(tuple(new_grid)).astype(array.dtype)

赞(0）回复(0）举报 2022-11-10

我来回答

scipy 如何使用插值法将任意Numpy NDArray的大小调整为新形状

备注：

故事：

问题

1条答案

相关问题

热门标签

最新问答