插值
当对图像进行变换时，插值 用于估计新像素的强度。SciPy 通过样条函数集合来实现这一点。
在使用 ndi.zoom() 等函数时，调整插值 order 会改变估计结果：阶数越高，估计越灵活，但计算时间也越长。
本练习中，请对 im 进行上采样，并观察不同插值阶数对结果图像的影响。
本练习是课程的一部分
Python 中的生物医学图像分析
练习说明
- 使用
ndi.zoom()将im的形状从128, 128上采样到512, 512，重复两次：第一次使用插值order为 0，第二次将order设为 5。 - 打印
im和up0的数组形状。 - 绘制图像的局部放大图。沿每个轴使用索引范围
128:256。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Upsample "im" by a factor of 4
up0 = ndi.zoom(____, zoom=____, order=____)
up5 = ____
# Print original and new shape
print('Original shape:', ____)
print('Upsampled shape:', ____)
# Plot close-ups of the new images
fig, axes = plt.subplots(1, 2)
axes[0].imshow(up0[128:256, 128:256])
axes[1].imshow(____)
format_and_render_plots()