Ускорение линейной интерполяции множества местоположений пикселей в NumPy

Я попытался воспроизвести основное узкое место в одной из моих программ.

Я хочу получить линейно (или, скорее, билинейно) интерполированные значения нескольких нецелочисленных значений пикселей одновременно. Это не тот случай, когда каждая координата пикселя изменяется одинаковым образом. Ниже приведен полный / минимальный сценарий с комментариями, демонстрирующими проблему. Как мне ускорить вычисление результата ?

import numpy as np
import time

im = np.random.rand(640,480,3) # my "image"
xx, yy = np.meshgrid(np.arange(im.shape[1]), np.arange(im.shape[0]))
print "Check these are the right indices:",np.sum(im - im[yy,xx,:])

# perturb the indices slightly
# I want to calculate the interpolated
# values of "im" at these locations
xx = xx + np.random.normal(size=im.shape[:2])
yy = yy + np.random.normal(size=im.shape[:2])

# integer value/pixel locations
x_0 = np.int_(np.modf(xx)[1])
y_0 = np.int_(np.modf(yy)[1])
x_1, y_1 = x_0 + 1, y_0 + 1

# the real-valued offsets/coefficients pixels
a = np.modf(xx)[0][:,:,np.newaxis]
b = np.modf(yy)[0][:,:,np.newaxis]

# make sure we don't go out of bounds at edge pixels
np.clip(x_0,0,im.shape[1]-1,out=x_0)
np.clip(x_1,0,im.shape[1]-1,out=x_1)
np.clip(y_0,0,im.shape[0]-1,out=y_0)
np.clip(y_1,0,im.shape[0]-1,out=y_1)

# now perform linear interpolation: THIS IS THE BOTTLENECK!
tic = time.time()
result = ((1-a) * (1-b) * im[y_0, x_0, :] +
             a  * (1-b) * im[y_1, x_0, :] +
          (1-a) *    b  * im[y_0, x_1, :] +
             a  *    b  * im[y_1, x_1, :] )
toc = time.time()

print "interpolation time:",toc-tic