图像resize时重复填充原像素值的插值方法名称及用法

插值类型说明 #

你给出的预期结果不属于标准均匀图像resize（线性坐标映射）的通用插值输出，不存在对应内置在通用图像处理库中的标准插值命名：

• 常规图像缩放默认使用线性坐标映射，保证图像各区域按相同比例拉伸/压缩，不管是最近邻、双线性、双三次还是Lanczos插值，都遵循这个映射规则，这也是你试遍PIL所有重采样滤波器都无法得到预期结果的核心原因——你的预期结果是中心区域压缩、边缘区域拉伸的非线性畸变缩放，本质是自定义分段映射规则下的零阶保持（最近邻）插值，没有通用的正式学术命名。
• 从你的预期结果可以反推出映射规则：原行7个像素，每个像素分配到的目标像素个数和它到行中心的距离正相关，即原索引为k的像素，分配的目标长度为1 + abs(k - center_idx)，其中center_idx是中心像素的索引（本例中值为4的像素索引是3），最终总长度刚好为19，边缘像素复制次数最多，中心像素仅保留1个。

实现方法 #

你可以直接按照上述分段映射规则自行实现，一维行像素的Python参考代码如下：

src = [1, 2, 3, 4, 5, 6, 7]
src_len = len(src)
center_idx = src_len // 2  # 本例中为3，对应值4
dst = []

for k in range(src_len):
    # 计算当前原像素需要复制的次数
    repeat_num = 1 + abs(k - center_idx)
    dst.extend([src[k]] * repeat_num)

print(dst)

运行上述代码即可直接得到你预期的输出：[1, 1, 1, 1, 2, 2, 2, 3, 3, 4, 5, 5, 6, 6, 6, 7, 7, 7, 7]。
如果需要处理二维图像，你只需要先按这个规则对所有行做水平方向缩放，再对缩放结果的所有列做同规则的垂直方向缩放即可。

内容的提问来源于stack exchange，提问作者zikromanti