使用NumPy进行快速插值

Question

给定一个掩码NumPy数组，维度为（frames，points，2），表示跟踪frames帧的每个帧中points个（x，y）点的视频。

我想将这个视频从frames帧插值到任意数量的帧数中，速度非常快，希望能使用三次样条插值，但是任何其他连续插值也可以工作。

---

我实现的朴素解决方案将数组分成维度为（frames，points）的两个数组X和Y。

然后，我将数组转置为（points，frames）。对于每一行（单点随时间变化），我将其映射到索引和值，因此数组[5,6， - ，7]变为： [{"x": 0, "y": 5}, {"x": 1, "y": 6}, {"x": 3, "y": 7}] 我将其提供给scipy.interp1d，并运行在我的新数组上，例如[0,0.5,1,1.5,2,2.5,3]，然后得到一个新的x，y数组，然后将其转换回NumPy。

此过程会删除间歇帧的掩码（这对我来说没问题）。

当前性能：形状小数组（9帧，140个点，2）到（24帧，140个点，2）

• 立方插值 0.115秒
• 线性插值 0.112秒

---

注意！

这是一个掩码数组，例如[5,6， - ，7]。因此，重要的是在插值中合并掩码，以便不会有0值（数据数组看起来像[5,6,0,7]！）

以下是具有所需和不需要行为数据的玩具示例：

import numpy as np
import numpy.ma as ma
from scipy.interpolate import interp1d

points = np.array([1, 2, 3, 4, 0, 6])
mask = [0, 0, 0, 0, 1, 0]
points = ma.array(points, mask=mask)
print(points)  # [1 2 3 4 -- 6]

lin = np.linspace(0, 1, 6)

# Undesired behavior
f = interp1d(lin, points, axis=0, kind='cubic')
print(f(lin))  # [1  2 3 4 -8.8817842e-16 6]

# Desired behavior
compressed_lin = [0, 0.2, 0.4, 0.6, 1]
compressed_points = np.array([1,2,3,4,6])
f = interp1d(compressed_lin, compressed_points, axis=0, kind='cubic')
print(f(lin)) # [1 2 3 4 5 6]

- Amit

---

当你从9帧转换到24帧时，这些帧是均匀分布的，还是它们有自己的帧时间戳？ - Quang Hoang

我的插值帧总是均匀间隔的。 - Amit

还适用于 9 帧吗？ - Quang Hoang

是的，如果你有9个帧，它们会在[0,0.125,0.250,0.375,0.500,0.625,0.750,0.875,1]间隔，并且如果我们需要插值至25帧，则会尝试插值这些值：[0, 0.04, 0.08, ... , 0.92, 0.92, 1] （这是一个示例，其中的值介于0和1之间，但它们也可以介于0和9之间，无所谓） - Amit

Answer 1

我不确定你是否像我一样使用scipy.interpolate.interp1d，但我的电脑显示大约662 µs：

np.random.seed(1)
points = np.random.rand(9,140,2)

f = interp1d(np.linspace(0,1,9), points, axis=0, kind='cubic')
f(np.linspace(0,1,24))

性能测试（timeit -n 100）：

662 µs ± 111 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

- Quang Hoang

---

谢谢。可能是周围事物的积累导致了这种情况。例如，我不知道可以按照您展示的方式进行操作，而是逐行进行操作。我之所以这样做是因为我有一个掩码数组，而不是完整的numpy数组。就像我的例子一样，有时我想跳过一些索引。您知道是否有办法将这个事实纳入到您的解决方案中吗？ - Amit

Answer 2

如果您需要快速处理，1）避免使用掩码数组，2）避免使用interp1d。如果CubicSpline不够快，您可以编写自己的三次插值，并考虑到您的点是等距的。

编辑：如果您真的无法避免使用掩码数组，请注意scipy.interpolate中没有numpy.ma-aware的内容，因此您需要自己动手解决。或者，考虑进行一些数据填充以填补掩码值。

- ev-br

---

谢谢，无法避免掩码数组，这是我的数据格式。 - Amit