ndimage.zoom

這可能是最好的方法，zoom method正是為這類任務(wù)而設(shè)計的。from scipy.ndimage import zoom

new_array = zoom(array, (0.5, 0.5, 2))

按指定的因子更改每個維度中的大小。如果數(shù)組的原始形狀是(40, 50, 60)，那么新的數(shù)組將是(20, 25, 120)。

信號重采樣from scipy.signal import resample_poly

factors = [(1, 2), (1, 2), (2, 1)]

for k in range(3):

array = resample_poly(array, factors[k][0], factors[k][1], axis=k)

因子（必須是整數(shù)）是上下采樣的。即：（1，2）是指尺寸除以2

（2，1）是指尺寸乘以2

（2，3）表示向上2，然后向下3，因此大小乘以2/3

可能的缺點是：這個過程在每個維度上都是獨(dú)立的，因此空間結(jié)構(gòu)可能不像ndimage方法那樣被考慮在內(nèi)。

RegularGridInterpolator

這是更實際的，但也更費(fèi)力，而且沒有過濾的好處：直接的下采樣。我們必須為插值程序創(chuàng)建一個網(wǎng)格，在每個方向使用原始步長。創(chuàng)建內(nèi)插器后，需要在新網(wǎng)格上對其求值；其調(diào)用方法采用不同的網(wǎng)格格式，使用mgrid準(zhǔn)備。values = np.random.randint(0, 256, size=(40, 50, 60)).astype(np.uint8) # example

steps = [0.5, 0.5, 2.0] # original step sizes

x, y, z = [steps[k] * np.arange(array.shape[k]) for k in range(3)] # original grid

f = RegularGridInterpolator((x, y, z), values) # interpolator

dx, dy, dz = 1.0, 1.0, 1.0 # new step sizes

new_grid = np.mgrid[0:x[-1]:dx, 0:y[-1]:dy, 0:z[-1]:dz] # new grid

new_grid = np.moveaxis(new_grid, (0, 1, 2, 3), (3, 0, 1, 2)) # reorder axes for evaluation

new_values = f(new_grid)

缺點：例如，當(dāng)一個維度減少2時，它實際上會每隔一個值下降一次，這就是簡單的下采樣。理想情況下，在這種情況下，應(yīng)該平均相鄰值。在信號處理方面，在{a5}中，低通濾波先于下采樣。

總結(jié)

以上是生活随笔為你收集整理的python定义三维数组不指定长度_插值/调整三维数组大小的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。