在Python中，如何缩放存储为NumPy数组的图像的大小？

Question

我用以下方式创建了一个NumPy数组：

data = numpy.zeros((1, 15, 3), dtype = numpy.uint8)

然后，我用RGB像素值填充了此数组，生成了一些彩色图像，可以使用以下过程将其保存：

image = Image.fromarray(data)
image.save("image.png")

我如何缩放NumPy数组的大小（不进行插值），以创建600 x 300像素的图像？

Answer 1

您可以按照注释中的建议使用numpy.kron，也可以使用以下以下选项

1]使用PILLOW保持宽高比

• 如果要保持图像的宽高比，则可以使用thumbnail()方法

  from PIL import Image
  
  def scale_image(input_image_path,
              output_image_path,
              width=None,
              height=None):
      original_image = Image.open(input_image_path)
      w, h = original_image.size
      print('The original image size is {wide} wide x {height} '
            'high'.format(wide=w, height=h))
  
      if width and height:
          max_size = (width, height)
      elif width:
          max_size = (width, h)
      elif height:
          max_size = (w, height)
      else:
          # No width or height specified
          raise RuntimeError('Width or height required!')
  
      original_image.thumbnail(max_size, Image.ANTIALIAS)
      original_image.save(output_image_path)
  
      scaled_image = Image.open(output_image_path)
      width, height = scaled_image.size
      print('The scaled image size is {wide} wide x {height} '
            'high'.format(wide=width, height=height))
  
  
  if __name__ == '__main__':
       scale_image(input_image_path='caterpillar.jpg',
                   output_image_path='caterpillar_scaled.jpg',
                   width=800)
  

• 我使用了Image.ANTIALIAS标志，该标志将应用高质量的下采样滤波器，从而获得更好的图像

2]使用OpenCV

• OpenCV具有cv2.resize()功能

  import cv2
  image = cv2.imread("image.jpg")   # when reading the image the image original size is 150x150
  print(image.shape)
  scaled_image = cv2.resize(image, (24, 24))  # when scaling we scale original image to 24x24 
  print(scaled_image.shape)
  

• 输出量

  (150, 150)
  (24, 24)
  

• cv2.resize() 函数还具有插值作为参数，您可以通过该参数指定如何调整图像大小

• 插值方法：

  • INTER_NEAREST-最近邻插值
  • INTER_LINEAR-双线性插值（默认使用）
  • INTER_AREA-使用像素面积关系进行重采样。这可能是首选的图像抽取方法，因为它可提供无波纹的结果。但是，当图像放大时，它类似于INTER_NEAREST方法。
  • INTER_CUBIC-在4x4像素邻域上的双三次插值
  • INTER_LANCZOS4-在8x8像素邻域上的Lanczos插值

3]使用PILLOW库

• 使用 Image.resize()

  from PIL import Image
  image = Image.open("image.jpg")   # original image of size 150x150
  resized_image = sourceimage.resize((24, 24), resample=NEAREST)  # resized image of size 24x24
  resized_image.show()
  

4]使用SK-IMAGE库

• 使用 skimage.transform.resize()

  from skimage import io
  image = io.imread("image.jpg")
  print(image.shape)
  resized_image = skimage.transform.resize(image, (24, 24))
  print(resized_image.shape)
  

• 输出量

  (150, 150)
  (24, 24)
  

5]使用SciPy

• 使用scipy.misc.imresize()功能

  import numpy as np
  import scipy.misc
  
  image = scipy.misc.imread("image.jpg")
  print(image.shape)
  resized_image = scipy.misc.imresize(x, (24, 24))
  resized_image
  print(resized_image.shape)
  

• 输出量

  (150, 150)
  (24, 24)
  

Answer 2

在 中scikit-image，我们有变换

from skimage import transform as tf
import matplotlib.pyplot as plt
import numpy as np
data = np.random.random((1, 15, 3))*255
data = data.astype(np.uint8)
new_data = tf.resize(data, (600, 300, 3), order=0) # order=0, Nearest-neighbor interpolation
f, (ax1, ax2, ax3) = plt.subplots(1,3, figsize=(10, 10))
ax1.imshow(data)
ax2.imshow(new_data)
ax3.imshow(tf.resize(data, (600, 300, 3), order=1))