如何将间隔采样后的图像通道还原为图像？

首先得明确你当前的降采样逻辑：你是把每个颜色通道的像素按行优先顺序展平成一维数组，然后每隔10个像素取一个。这种方式并不是常规的空间维度降采样（比如隔行隔列取点），而是在全局像素序列中抽取1/10的像素，所以还原时需要把这些采样点放回它们在原图像中的原始位置。

具体实现步骤 #

1. 记录原图像的尺寸：还原必须依赖原图像的高度（H）和宽度（W），所以读取图像时要先保存这两个参数。
2. 创建空的还原画布：生成一个和原图像尺寸一致的数组，未被采样的位置可以用0填充（或者你需要的默认值）。
3. 映射采样点的原始坐标：计算每个采样点在原图像中的行、列位置，再将R/G/B值放回对应位置。
4. 转换为图像格式：把还原后的数组转换成PIL图像，即可保存或显示。

完整代码示例 #

from PIL import Image
import numpy as np

# 读取原图像并记录原始尺寸
I = np.array(Image.open('image.png').convert('RGB'))
H, W = I.shape[:2]  # 获取原图像的高度和宽度

# 你的降采样代码（保留不变）
I_flat_r = I[:,:,0].flatten()[0:-1:10]
I_flat_g = I[:,:,1].flatten()[0:-1:10]
I_flat_b = I[:,:,2].flatten()[0:-1:10]

# 开始还原图像
# 创建和原图像同尺寸的空数组，用0填充未采样区域
reconstructed_img_array = np.zeros((H, W, 3), dtype=np.uint8)

# 计算采样点对应的原图像索引（和你采样时的索引完全一致：0,10,20,...）
sampled_indices = np.arange(0, H * W, 10)

# 将一维索引转换为原图像的行、列坐标
rows = sampled_indices // W
cols = sampled_indices % W

# 将降采样后的R/G/B值放回对应位置
reconstructed_img_array[rows, cols, 0] = I_flat_r
reconstructed_img_array[rows, cols, 1] = I_flat_g
reconstructed_img_array[rows, cols, 2] = I_flat_b

# 转换为PIL图像并保存/显示
reconstructed_img = Image.fromarray(reconstructed_img_array)
reconstructed_img.save('reconstructed_image.png')
reconstructed_img.show()

额外说明：如果需要空间维度的降采样 #

如果你原本想实现的是按空间网格隔10行10列取点（这种方式更适合点云生成，因为能保留空间结构），那你的采样方式可以调整，还原也更简单：

# 空间降采样：每隔10行、10列取一个像素（得到原图像1/100大小的降采样图）
downsampled = I[::10, ::10, :]

# 如果需要还原回原图像尺寸，可以用插值方法（比如最近邻插值）
downsampled_pil = Image.fromarray(downsampled)
reconstructed_full_size = downsampled_pil.resize((W, H), Image.NEAREST)
reconstructed_full_size.save('reconstructed_full_size.png')

这种空间降采样得到的点云会更符合空间分布规律，计算点云时效率也更高，你可以根据需求选择合适的方式。

内容的提问来源于stack exchange，提问作者Jinglei Yu