想来周末无事，还是把双线性插值做一做吧。
上一篇：变换与插值里的最邻近插值法理解的有问题，虽然写的时候就感觉有些不对劲，但当时急于实现就没想那么多。今天才突然想明白了插值的意义，之后上网一查，果真如此。如此看来，今天也算是有收获喽!
理解的差距在于：上一篇的实现中，我认为插值就是在两个像素点之间插入更多的点，以使图像更平滑之类的。但事实上，插值不一定会使图像的像素点更多。插值的方法让我可以知道任何我想知道的位置的像素值（通过公式计算），通过这种方法，我可以得到由任何像素点得到的图像。
下面，来试试吧！

import numpy as np
import matplotlib.image as imgplt
import matplotlib.pyplot as plt
import math

data = imgplt.imread('graph_320,500,3.jpg')
length = data.shape[1]
wide = data.shape[0]
high = data.shape[-1]

def bil_int(data, length, wide, high, length_new, wide_new):
    data_new = np.zeros((wide_new, length_new, high),dtype='int32')
    for i in range(wide_new):
        for j in range(length_new):
            x_dis = j*(length-1)/(length_new-1)
            y_dis = i*(wide-1)/(wide_new-1)
            x = x_dis - math.floor(x_dis)
            y = y_dis - math.floor(y_dis)
            y0 = int(math.floor(x_dis))
            y1 = int(math.ceil(x_dis))
            x0 = int(math.floor(y_dis))
            x1 = int(math.ceil(y_dis))
            #if 0<x0<length and 0<x1<length and 0<y0<wide and 0<y1<wide:
            data_new[i][j] = (data[x1][y0]-data[x0][y0])*x + \
                (data[x0][y1]-data[x0][y0])*y + \
                (data[x1][y1]+data[x0][y0]-data[x0][y1]-data[x1][y0])*x*y\
                +data[x0][y0]
    return data_new

data_new = bil_int(data,length,wide,high,2*length,wide)
plt.imshow(data_new)
plt.show()

这次作业收获还是不小滴，搞明白了几个上一篇文章没弄懂的问题。
写代码的过程中主要是这几个点出现了问题：
1.类似于C的溢出问题，data的索引一直出界。原因在于line15、16行新图像对应点的坐标没有计算准确。
2.行列与x、y的对应问题，x是对应列，y是对应行滴。
3.对于一个数组，不能直接在前面加int()让它的各个元素变成整数，否则会报如下错误：only size-1 arrays can be converted to Python scalars.报错不可怕，可怕的是导致这个错因的错误会五花八门（本人亲身试验，网上很多这样的错误，但解决方案五花八门。。。）
4.最后，第一个出来的图居然是一边白，一边黑的。吐血。想到上一篇博客碰到同样的状况，归一化试试，bingo!此时，也解决了昨天碰到的一个问题：如果数组里的元素是浮点类型，则它默认所要转化的图片是经过归一化的，大于1的全变成1，所以就出现一片白的情况。这可以通过在创建数组时就指定数组元素的类型来规避此种情况。若初始算的数组元素带有小数，会自动取整滴！
欢迎指出错误，
一起学习，共同进步！