<分区>
在 python 中，我使用 scipy.ndimage.zoom 对图像执行双三次插值，但发现上采样速度太慢。我想用其他一些支持 GPU 的 python 库替换它，但遗憾的是我找不到可用于 python 的库。
NVIDIA 提供了一个很好的 example这恰好在 C/C++ 中实现了双三次插值。他们是众所周知的等价物吗CUDA Python我们可以直接使用和替换的示例/库 scipy.ndimage.zoom?
我在网上做了一些搜索，但无法在 python 中找到使用 GPU 的双三次插值。因此，我认为可用的答案不多，这会导致自以为是的答案和垃圾邮件。
最佳答案
它不是 GPU(而是试图利用线程和 CPU 的向量单元)，而是 pyvips比 scipy 快很多，你可以测试一下。
我做了一个基准:
import sys
import time
import scipy.ndimage
import pyvips
scale = 10
n_loops = 10
start = time.time()
test_image = scipy.ndimage.imread(sys.argv[1])
for i in range(0, n_loops):
result = scipy.ndimage.interpolation.zoom(test_image, scale)
end = time.time()
print 'scipy took', end - start
start = time.time()
test_image = pyvips.Image.new_from_file(sys.argv[1])
for i in range(0, n_loops):
result = test_image.resize(scale).write_to_memory()
end = time.time()
print 'pyvips took', end - start
# transform with both libraries to compare results
ndi = scipy.ndimage.imread(sys.argv[1])
result = scipy.ndimage.interpolation.zoom(ndi, scale)
scipy.misc.imsave('ndi.tif', result)
im = pyvips.Image.new_from_file(sys.argv[1], access='sequential')
result = im.resize(scale)
result.write_to_file('pyvips.tif')
两者都默认为双三次。 pyvips 是一个懒惰的库，所以你需要在最后额外的 write_to_memory() 来生成一个内存数组。
在这个运行 Ubuntu 17.10 的四核/八线程桌面上，带有所有库的打包版本和“lena”测试图像的 512x512 单声道版本，我看到:
$ python zoom.py ~/pics/lena.png
scipy took 15.6309859753
pyvips took 1.36838102341
GPU upsizer 显然会更快，但也许 pyvips 就足够快了？
如果比较两个输出图像，您会发现 scipy 图像稍微向上移动了一点。您可以更清楚地看到非常小的输入图像发生了什么，例如，这个 3x3 像素图像:
当 scipy 和 pyvips 放大 20 倍时变成:
这让我很困惑。此外，他们显然使用不同的内核，这也很奇怪。
关于Python:使用 GPU 进行双三次插值，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/48619835/