如何将1D Profile数组做形状映射，实现与1024×1024图像列维度除法？

核心需求 #

将1024×1024的图像数组lumin的每一列，与长度为682的1D数组Profile做除法运算。两者的映射关系为：1个Profile元素对应1.5个lumin列像素，需先将Profile缩放至1024个元素以匹配lumin的列数。

解决方案：插值缩放匹配形状 #

本质是将短数组Profile插值拉伸到与lumin列数一致的长度，这里用NumPy的np.interp实现线性插值，也可选择SciPy的高阶插值方法。

示例代码（含测试用例）

import numpy as np

# 测试用例：lumin为3列，Profile为2个元素（比例3/2=1.5，符合题目映射关系）
lumin = np.array([[20,20,20],[30,30,30],[40,40,40]])
profile = np.array([20,30]) 

# 生成标准化采样点，统一映射区间
profile_sample = np.linspace(0, 1, len(profile))
lumin_col_sample = np.linspace(0, 1, lumin.shape[1])

# 插值得到匹配lumin列数的new_profile
new_profile = np.interp(lumin_col_sample, profile_sample, profile)

# 按列执行除法运算（转置后逐元素除，再转置回原形状）
result = (lumin.T / new_profile).T
print(result)

实际场景代码（1024×1024 lumin + 682长度Profile）

import numpy as np

# 假设已加载lumin（1024×1024）和profile（长度682）
# lumin = np.load("lumin_array.npy")
# profile = np.load("profile_array.npy")

# 生成采样点
profile_sample = np.linspace(0, 1, len(profile))
lumin_col_sample = np.linspace(0, 1, lumin.shape[1])

# 插值缩放
new_profile = np.interp(lumin_col_sample, profile_sample, profile)

# 噪声校正除法运算
corrected_lumin = (lumin.T / new_profile).T

可选：高阶平滑插值

若需要更平滑的映射效果，可使用SciPy的三次插值：

from scipy.interpolate import interp1d

# 三次插值生成new_profile
interp_func = interp1d(profile_sample, profile, kind='cubic')
new_profile = interp_func(lumin_col_sample)

内容的提问来源于stack exchange，提问作者vashista