使用TensorFlow对图像中的点进行插值采样

没有内置的op可以执行这种插值，但是您应该能够使用现有TensorFlow op的组合来做到这一点。对于双线性情况，我建议采用以下策略：

1. 根据

   C

   索引张量，计算与四个角点相对应的整数张量。例如（名称假设原点在左上方）：

   top_left = tf.cast(tf.floor(C), tf.int32)

   top_right = tf.cast(
   tf.concat(1, [tf.floor(C[:, 0:1]), tf.ceil(C[:, 1:2])]), tf.int32)
   

   bottom_left = tf.cast(
   tf.concat(1, [tf.ceil(C[:, 0:1]), tf.floor(C[:, 1:2])]), tf.int32)

   bottom_right = tf.cast(tf.ceil(C), tf.int32)

2. 从代表特定拐角点的每个张量中，从

   I

   这些点处提取值的向量。例如，对于以下功能，在二维情况下执行此操作：

   def get_values_at_coordinates(input, coordinates):

   input_as_vector = tf.reshape(input, [-1])
   coordinates_as_indices = (coordinates[:, 0] * tf.shape(input)[1]) + coordinates[:, 1]
   return tf.gather(input_as_vector, coordinates_as_indices)

   values_at_top_left = get_values_at_coordinates(I, top_left)
   values_at_top_right = get_values_at_coordinates(I, top_right)
   values_at_bottom_left = get_values_at_coordinates(I, bottom_left)
   values_at_bottom_right = get_values_at_coordinates(I, bottom_right)

3. 首先在水平方向上计算插值：

   # Varies between 0.0 and 1.0.

   horizontal_offset = C[:, 0] - tf.cast(top_left[:, 0], tf.float32)

   horizontal_interpolated_top = (
   ((1.0 - horizontal_offset) * values_at_top_left)
   + (horizontal_offset * values_at_top_right))

   horizontal_interpolated_bottom = (
   ((1.0 - horizontal_offset) * values_at_bottom_left)
   + (horizontal_offset * values_at_bottom_right))

4. 现在计算垂直方向的插值：

   vertical_offset = C[:, 1] - tf.cast(top_left[:, 1], tf.float32)

   interpolated_result = (
   ((1.0 - vertical_offset) * horizontal_interpolated_top)
   + (vertical_offset * horizontal_interpolated_bottom))