哈哈，题目取得这么绕，其实就是自己写了一个很渣的类似图像放大的算法。已知矩阵四周的4点，扩展成更大的矩阵，中间的元素值均匀插入，例如：

　　矩阵：

1 2

3 4

　　扩展成3x3的：

1 1.5 2

2 2.5 3

3 3.5 4

　　不说废话，直接上代码：

# -*- coding: utf-8 -*-  
"""  
异想家二维插值算法。  
"""  
import matplotlib  
import matplotlib.pyplot as plt  
import numpy as np  
from numpy import *  
  
  
# 一维插值  
def yiweichazhi(inputmat):  
    i = 0  
    for _ in inputmat:  
        inputmat[i] = inputmat[0] + (inputmat[-1] - inputmat[0]) * i / (len(inputmat) - 1)  
        i = i + 1  
    return inputmat  
  
  
# 画伪彩色图  
def 伪彩色图(zz):  
    Row = zz.shape[0]  
    Col = zz.shape[1]  
    xx, yy = np.meshgrid(np.linspace(0, 10, Col), np.linspace(0, 10, Row))  # 图像xy范围和插值  
    cmap = matplotlib.cm.jet  # 指定colormap  
    plt.imshow(zz, origin='lower', extent=[xx.min(), xx.max(), yy.min(), yy.max()], cmap=cmap)  # 伪彩色图  
    plt.show()  
  
  
# 由角4点扩展为插值大矩阵  
def 异想家插值(a):  
    # 扩张矩阵 10x10  
    pointRow = 100  # 插值点数-行  
    pointCol = 100  # 插值点数-行  
    aa = np.zeros([pointRow, pointCol], dtype=float)  
    # 四周点直接赋值  
    aa[0][0] = a[0][0]  
    aa[0][-1] = a[0][1]  
    aa[-1][0] = a[1][0]  
    aa[-1][-1] = a[1][1]  
    # 四周先插值  
    aa[0] = yiweichazhi(aa[0])  
    aa[-1] = yiweichazhi(aa[-1])  
    aa[:, 0] = yiweichazhi(aa[:, 0])  
    aa[:, -1] = yiweichazhi(aa[:, -1])  
    # 全部插值  
    for i in range(len(aa)):  
        aa[i] = yiweichazhi(aa[i])  
        i = i + 1  
    return aa  
  
  
# 未插值前4点矩阵  
a = np.array([  
    [1, 2],  
    [3, 4]  
], dtype=float)  
  
aa = 异想家插值(a)  
  
# 打印aa  
print(aa, "\n")  
# 画图  
伪彩色图(aa)