重采樣和插值
定義
一種影像數(shù)據(jù)處理方法戈毒。即影像數(shù)據(jù)重新組織過程中的灰度處理方法。影像采樣是按一定間隔采集影像灰度數(shù)值的麸拄，當(dāng)閾值不位于采樣點(diǎn)上的原始函數(shù)的數(shù)值時(shí)星著，就需要利用已采樣點(diǎn)進(jìn)行內(nèi)插，稱為重采樣 则剃。常用的重采樣方法有最鄰近內(nèi)插法（nearest neighbor interpolation）耘柱、雙線性內(nèi)插法（bilinear interpolation）和三次卷積法內(nèi)插（cubic convolution interpolation）。
插值和重采樣之間有一些關(guān)系棍现。
重采樣意味著改變一組采樣的采樣率调煎。在圖像的情況下，這些是在圖像中的每個(gè)像素坐標(biāo)處采樣的像素值己肮。在音頻的情況下士袄，這些是在每個(gè)時(shí)間點(diǎn)采樣的幅度值。
重采樣用于提高采樣率（使圖像變大）或減小采樣率（使圖像變谢哑А）娄柳。插值是計(jì)算采樣點(diǎn)之間的值的過程。
所以艘绍，如果你重新取樣的圖像赤拒，你可以使用插值來(lái)做到這一點(diǎn)。有很多插值方法 - 最近鄰诱鞠，線性挎挖，立方體，lanczos等航夺。每種方法都有不同的質(zhì)量/性能肋乍。
如果你降低采樣率，你可以得到別名敷存。這是您嘗試表示無(wú)法用新（較低）采樣率表示的頻率的地方墓造。通常重采樣還會(huì)包含濾波（不是插值）以避免混疊堪伍。
如果您將圖像的大小加倍，那么每隔一個(gè)像素就會(huì)出現(xiàn)間隙觅闽。使用插值可以填補(bǔ)這些空白帝雇。 如果您增加或減少圖像大小的一小部分，您可以在進(jìn)行調(diào)整大小時(shí)查看源圖像中處于分?jǐn)?shù)像素位置的插值值蛉拙。
克里金法通常用于內(nèi)插地形而不是圖像尸闸。
增加圖像的分辨率不會(huì)改善它 - 您不會(huì)添加任何新信息。
使用simpleitk實(shí)現(xiàn)插值的方法
#設(shè)置一個(gè)Filter
resample = sitk.ResampleImageFilter()
#設(shè)置插值方式（1）
resample.SetInterpolator(sitk.sitkLinear)
#默認(rèn)像素值（2）
resample.SetDefaultPixelValue( 0 );
#沿著x,y,z,的spacing（3）
#The sampling grid of the output space is specified with the spacing along each dimension and the origin.
newspacing = [0.5,0.5,0.5]
resample.SetOutputSpacing(newspacing)
#設(shè)置original（4）
resample.SetOutputOrigin(image.GetOrigin())
#設(shè)置方向（5）
resample.SetOutputDirection(image.GetDirection())
#有幾個(gè)值(6)
size = [880,880,1014]#注意你這個(gè)設(shè)置的是Filter孕锄，有了original吮廉，spacing，number畸肆，就應(yīng)該是新的吧
#經(jīng)試驗(yàn)確實(shí)size是改變pixel value的當(dāng) 【1000宦芦，1000，1000】時(shí)value是0.618怎么算到的轴脐？
#原來(lái)的是 512 * 512 * 203 之前的voxle spacing 是 0.859375 * 0.859375 * 2.49997
# 1000 10000 1000 這個(gè)是總的要求的屬
# 所以這個(gè)應(yīng)該是之前的 不是算得的
resample.SetSize(size)
#設(shè)置輸入的數(shù)據(jù) ??
#設(shè)置transform
#transform = sitk.Euler3DTransform()
#resample.SetTransform( transform )
resample.SetDefaultPixelValue(0)
new = resample.Execute(image)
print(new.GetSize())
data = sitk.GetArrayFromImage(new)
參考：https://blog.csdn.net/qq_36339966/article/details/86726817
https://blog.csdn.net/fanre/article/details/98503750
