如何用双线性插值将二维numpy浮点数组调整为目标尺寸？

你的问题出在tf.keras.utils.array_to_img步骤——它默认会将浮点数组归一化到0-255范围并转换为uint8类型的PIL图像，后续resize再转回数组自然会得到整数类型。下面是几种直接保留浮点类型、实现双线性插值resize的方法：

方法1：直接用OpenCV（最贴合需求） #

既然你提到要类似cv2.resize的处理方式，直接用cv2.resize处理单通道浮点数组即可，指定双线性插值：

import cv2
import numpy as np

# 假设heatmap是形状(x, y)的浮点numpy数组，target_shape为目标(x', y')
target_shape = (x_prime, y_prime)
# cv2.resize的尺寸参数是(width, height)，对应原数组的(y, x)，所以要逆序传入
resized_heatmap = cv2.resize(heatmap, (target_shape[1], target_shape[0]), interpolation=cv2.INTER_LINEAR)

方法2：用TensorFlow直接处理（无需转图像） #

如果想用TensorFlow生态的工具，可以直接用tf.image.resize处理张量，全程保持浮点类型：

import tensorflow as tf
import numpy as np

# 扩展为4D张量(batch, height, width, channel)，符合tf.image.resize的输入要求
heatmap_4d = np.expand_dims(np.expand_dims(heatmap, axis=0), axis=-1)
# 指定双线性插值，设置目标尺寸
resized_4d = tf.image.resize(heatmap_4d, (x_prime, y_prime), method='bilinear')
# 还原为(x', y')的浮点数组
resized_heatmap = resized_4d.numpy()[0, :, :, 0]

方法3：用SciPy的ndimage.zoom #

也可以用SciPy的缩放函数，order=1对应双线性插值：

from scipy.ndimage import zoom
import numpy as np

# 计算各维度的缩放因子
zoom_factor = (x_prime / heatmap.shape[0], y_prime / heatmap.shape[1])
# order=1表示双线性插值
resized_heatmap = zoom(heatmap, zoom_factor, order=1)

内容的提问来源于stack exchange，提问作者mxnthng