一种有效的热图插值方法

Question

我正在写一个程序，它可以直观地显示温度。在一个网格中有200个数据点，我用插值来填充这些点之间的像素。在

我编写了一个程序，使用反距离加权（在本例中是修改的Shepards方法）输出我想要的数据，给出如下所示的图像：

在

删除所有不相关的内容（例如图像库的内容），创建该文件的代码如下所示：

首先计算从每个点到每个管的所有距离和总距离（因为这些是不变的）。在这一点上，我并不特别担心所花费的时间，因为它只完成一次，但是我包含了代码，这样您就可以看到值是如何存储的。在

#set_tubes creates an array of tubes (which is the data I'm working on)
#each tube has an x position in pixels, a y position in pixels and a temperature

self.set_tubes()
self.dists = []
for x in range(1,BASE_WIDTH-1):
    self.summed_dists.append([])
    self.dists.append([])
    for y in range(1,BASE_HEIGHT-1):
        self.summed_dists[x-1].append([])
        self.dists[x-1].append([])
        self.summed_dists[x-1][y-1]=0
        for row in range(10):
            self.dists[x-1][y-1].append([])
            for tube in range(20):
                dist = np.sqrt((x-self.tubes[row][tube].xPos)**2+(y-self.tubes[row][tube].yPos)**2)+0.1
                #The -3 in the next two lines is simply a weighting factor
                self.dists[x-1][y-1][row].append(dist**(-3))
                self.summed_dists[x-1][y-1] = self.summed_dists[x-1][y-1] + dist**(-3)

然后进行插值（随着温度的变化重复进行）。这是时间的关键。在

^{pr2}$

我的问题是速度，对于200*200像素的图像，在我的计算机上运行代码的第二部分大约需要30秒。有没有一种更快的方法来获得相同或相似的效果，或者在我的代码中存在某种明显的低效率？在

我尝试过双线性和双三次插值，但对我得到的图像不是特别满意。在

我还限制了影响单个像素的数据点的邻域，试图加快它的速度，这确实有帮助，但我认为我已经尽我所能，在图像中不产生明显的线条。在

谢谢你的帮助。在

Answer 1

有一个变化可能是一种改进：

尝试将dists[x][y]和tubes[row]移出最内层的循环。 这个可能会在每次内部迭代（it 取决于Python解释器有多聪明）：

def other_proc_calc_temp(ret_queue, dists, tubes,summed_dists):
    heat_values = list()
    for x in range (BASE_WIDTH):
        heat_values.append([])
        for y in range(BASE_HEIGHT):
            outer_dist = dists[x][y]
            summed = 0
            for row in range(10):
                inner_dist = outer_dist[row]
                inner_tube = tubes[row]
                for tube in range(20):
                    dist = inner_dist[tube]
                    temp = inner_tubes[tube].temp
                    summed = summed + temp* dist/summed_dists[x-1][y-1]
            heat_values[x].append(summed)

如果Python解释器足够聪明，知道值没有 改变了，这只是更难阅读。但是如果Python解释器 一次又一次地重新计算所有这些数组索引，它可以累加起来。在

我以前有一段话是关于预先设置数组的大小，而不是用.append()来增加数组的大小。gnibbler says ^{} is an O(1) amortized operation这意味着这里几乎没有可用的优化。如果你对我写的东西感兴趣，可以看看编辑历史。