python - 准确地将Python(numpy)中的小图片调整为原始大小的倍数

Possible Duplicate:
how to repeat along two axis
假设我们有以下矩阵/图像：

x = array([[1, 0, 1],
           [0, 1, 0],
           [1, 0, 1]])

我想得到的是一个9x9矩阵，它是上面的3倍放大版本，左上角有3x3个，中上角有3x30个，等等。
我已经试过的是：
scipy.ndimage.interpolation.zoom（x，3，order=（anything）），例如order=0返回：

array([[1, 1, 0, 0, 0, 0, 1, 1, 1],
       [1, 1, 0, 0, 0, 0, 1, 1, 1],
       [0, 0, 1, 1, 1, 1, 0, 0, 0],
       [0, 0, 1, 1, 1, 1, 0, 0, 0],
       [0, 0, 1, 1, 1, 1, 0, 0, 0],
       [0, 0, 1, 1, 1, 1, 0, 0, 0],
       [1, 1, 0, 0, 0, 0, 1, 1, 1],
       [1, 1, 0, 0, 0, 0, 1, 1, 1],
       [1, 1, 0, 0, 0, 0, 1, 1, 1]])

scipy.misc.imresize（x，（9,9），interp=“nearest”）（实际上来自PIL），它提出了一个不同的创造性（但错误的）解决方案。
同时，MATLAB的imresize很好地解决了这个问题。。。
有什么想法吗？（注意：所有这些解决方案都应该有效，因此在提交之前，请尝试：）

最佳答案

慢性产品：

numpy.kron(x,numpy.ones((3,3)))

结果是：

array([[ 1.,  1.,  1.,  0.,  0.,  0.,  1.,  1.,  1.],
       [ 1.,  1.,  1.,  0.,  0.,  0.,  1.,  1.,  1.],
       [ 1.,  1.,  1.,  0.,  0.,  0.,  1.,  1.,  1.],
       [ 0.,  0.,  0.,  1.,  1.,  1.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  1.,  1.,  1.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  1.,  1.,  1.,  0.,  0.,  0.],
       [ 1.,  1.,  1.,  0.,  0.,  0.,  1.,  1.,  1.],
       [ 1.,  1.,  1.,  0.,  0.,  0.,  1.,  1.,  1.],
       [ 1.,  1.,  1.,  0.,  0.,  0.,  1.,  1.,  1.]])

关于python - 准确地将Python(numpy)中的小图片调整为原始大小的倍数，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/13080327/