Question

可能重复：
how to repeat along two axis

假设我们有以下矩阵/图像：

x = array([[1, 0, 1],
           [0, 1, 0],
           [1, 0, 1]])

我想得到的是一个9x9矩阵，它是上面的3倍放大版本，左上角有3x3个，中间顶部有3x3个，等等。

我已经尝试过的事情是：

scipy.ndimage.interpolation.zoom （x，3，order =（anything）），例如order = 0返回：

array([[1, 1, 0, 0, 0, 0, 1, 1, 1],
       [1, 1, 0, 0, 0, 0, 1, 1, 1],
       [0, 0, 1, 1, 1, 1, 0, 0, 0],
       [0, 0, 1, 1, 1, 1, 0, 0, 0],
       [0, 0, 1, 1, 1, 1, 0, 0, 0],
       [0, 0, 1, 1, 1, 1, 0, 0, 0],
       [1, 1, 0, 0, 0, 0, 1, 1, 1],
       [1, 1, 0, 0, 0, 0, 1, 1, 1],
       [1, 1, 0, 0, 0, 0, 1, 1, 1]])

scipy.misc.imresize （x，（9,9），interp =“nearest”）（实际上来自PIL），它提出了一个不同的创意（但错误的）解决方案。< / p>

同时，MATLAB imresize完美地解决了这个问题......

有什么想法吗？（注意：所有这些解决方案都应该有效，所以在提交之前，请尝试一下：））

Answer 1

Kronecker产品：

numpy.kron(x,numpy.ones((3,3)))

结果：

array([[ 1.,  1.,  1.,  0.,  0.,  0.,  1.,  1.,  1.],
       [ 1.,  1.,  1.,  0.,  0.,  0.,  1.,  1.,  1.],
       [ 1.,  1.,  1.,  0.,  0.,  0.,  1.,  1.,  1.],
       [ 0.,  0.,  0.,  1.,  1.,  1.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  1.,  1.,  1.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  1.,  1.,  1.,  0.,  0.,  0.],
       [ 1.,  1.,  1.,  0.,  0.,  0.,  1.,  1.,  1.],
       [ 1.,  1.,  1.,  0.,  0.,  0.,  1.,  1.,  1.],
       [ 1.,  1.,  1.,  0.,  0.,  0.,  1.,  1.,  1.]])

精确地将Python（numpy）中的小图像调整为原始大小的倍数

1 个答案: