Interpolation bilinéaire : Rééchantillonner la taille des cellules d’une image avec 4 plus proches voisins
Qu’est-ce que l’interpolation bilinéaire ?
Lorsque vous rééchantillonnez ou reprojetez des données, vous pouvez avoir à interpoler vos données.
Les opérateurs de rééchantillonnage les plus courants sont l’interpolation bilinéaire, la convolution cubique et le plus proche voisin.
Aujourd’hui, nous nous concentrons sur l’interpolation bilinéaire, qui estime une surface de sortie avec 4 valeurs connues.
En quoi est-elle différente des autres techniques d’interpolation ? Jetons-y un coup d’œil.
Quand utilisez-vous l’interpolation bilinéaire ?
Avant de faire une explication complète et approfondie de l’interpolation bilinéaire, il est important de savoir pourquoi vous l’utiliseriez en premier lieu.
Des rasters de gradients de température, des modèles d’élévation numériques, des grilles de précipitations annuelles, des rasters de distance de bruit – ce sont tous des exemples potentiels où l’interpolation peut être utilisée pour rééchantillonner des images. Chaque exemple a des valeurs qui varient continuellement de cellule en cellule pour former une surface.
Voici quelques exemples de cas où vous utiliseriez l’interpolation bilinéaire :
- Lorsque vous rééchantillonnez vos données d’une taille de cellule à une autre, vous changez la taille de la cellule et auriez besoin d’une interpolation.
- Lorsque vous projetez vos données matricielles dans un autre système de coordonnées, vous changez la configuration et rééchantillonnez vos données
Dans ces deux cas, vous utiliseriez une technique de rééchantillonnage. Parce que lorsque vous avez un raster d’entrée, comment le raster de sortie sait-il sur quelles cellules baser la sortie si les cellules d’entrée ne correspondent pas ?
Vous devez sélectionner une technique de rééchantillonnage comme l’interpolation bilinéaire, la convolution cubique ou le plus proche voisin.
Comment fonctionne l’interpolation bilinéaire
L’interpolation bilinéaire est une technique de calcul des valeurs d’un emplacement de grille basée sur les cellules de grille voisines. La différence essentielle est qu’elle utilise les QUATRE centres de cellules les plus proches.
En utilisant les quatre cellules voisines les plus proches, l’interpolation bilinéaire attribue la valeur de la cellule de sortie en prenant la moyenne pondérée. Elle applique des pondérations basées sur la distance des quatre centres de cellules les plus proches en lissant la grille matricielle de sortie.
Il est recommandé d’utiliser l’interpolation bilinéaire pour les ensembles de données continues sans limites distinctes. La surface doit être continue et les points les plus proches doivent être reliés.
Lorsque vous exécutez le processus, il génère une surface plus lisse, mais pas aussi sévère que la convolution cubique qui utilise 16 cellules voisines. Le raster de sortie prendra seulement quatre centres de cellules les plus proches et appliquera une moyenne en utilisant la distance.
Pourquoi utiliser l’interpolation bilinéaire ?
La différence clé de l’interpolation bilinéaire est qu’elle utilise 4 voisins les plus proches pour générer une surface de sortie.
En revanche, la convolution cubique utilise 16 voisins les plus proches ce qui lisse davantage la surface.
L’interpolation bilinéaire suppose que l’entrée est continue.
Cette méthode de rééchantillonnage utilise une moyenne de distance pour estimer, les cellules les plus proches ayant un poids plus élevé.
.