重新采样表示图像的numpy数组

小编典典

重新采样表示图像的numpy数组

python

我正在寻找如何以新的大小重新采样表示图像数据的numpy数组，最好选择插值方法（最近，双线性等）。我知道有

scipy.misc.imresize

通过包装PIL的调整大小功能可以做到这一点。唯一的问题是，由于它使用PIL，因此numpy数组必须符合图像格式，最多可以提供4个“颜色”通道。

我希望能够使用任意数量的“彩色”通道来调整任意图像的大小。我想知道是否有简单的方法可以在scipy / numpy中执行此操作，或者是否需要自己滚动。

对于如何炮制自己，我有两个想法：

scipy.misc.imresize分别在每个通道上运行的功能
创建自己的使用 scipy.ndimage.interpolation.affine_transform

对于大数据，第一个可能很慢，而第二个似乎没有提供除样条线以外的任何其他插值方法。

阅读 229

2020-12-20

共1个答案

小编典典

根据您的描述，您想要scipy.ndimage.zoom。

双线性插值将为order=1，最接近为order=0，三次为默认值（order=3）。

zoom 专门用于要重新采样为新分辨率的常规栅格数据。

作为一个简单的例子：

import numpy as np
import scipy.ndimage

x = np.arange(9).reshape(3,3)

print 'Original array:'
print x

print 'Resampled by a factor of 2 with nearest interpolation:'
print scipy.ndimage.zoom(x, 2, order=0)


print 'Resampled by a factor of 2 with bilinear interpolation:'
print scipy.ndimage.zoom(x, 2, order=1)


print 'Resampled by a factor of 2 with cubic interpolation:'
print scipy.ndimage.zoom(x, 2, order=3)

结果：

Original array:
[[0 1 2]
 [3 4 5]
 [6 7 8]]
Resampled by a factor of 2 with nearest interpolation:
[[0 0 1 1 2 2]
 [0 0 1 1 2 2]
 [3 3 4 4 5 5]
 [3 3 4 4 5 5]
 [6 6 7 7 8 8]
 [6 6 7 7 8 8]]
Resampled by a factor of 2 with bilinear interpolation:
[[0 0 1 1 2 2]
 [1 2 2 2 3 3]
 [2 3 3 4 4 4]
 [4 4 4 5 5 6]
 [5 5 6 6 6 7]
 [6 6 7 7 8 8]]
Resampled by a factor of 2 with cubic interpolation:
[[0 0 1 1 2 2]
 [1 1 1 2 2 3]
 [2 2 3 3 4 4]
 [4 4 5 5 6 6]
 [5 6 6 7 7 7]
 [6 6 7 7 8 8]]

编辑： 正如Matt
S.所指出的，放大多波段图像有两个注意事项。我正在从以前的答案之一中几乎逐字地复制下面的部分：

缩放也适用于3D（和nD）阵列。但是请注意，例如，如果放大2倍，则会沿所有轴缩放。

data = np.arange(27).reshape(3,3,3)
print 'Original:\n', data
print 'Zoomed by 2x gives an array of shape:', ndimage.zoom(data, 2).shape

这样产生：

Original:
[[[ 0  1  2]
  [ 3  4  5]
  [ 6  7  8]]

 [[ 9 10 11]
  [12 13 14]
  [15 16 17]]

 [[18 19 20]
  [21 22 23]
  [24 25 26]]]
Zoomed by 2x gives an array of shape: (6, 6, 6)

对于多波段图像，通常不希望沿“ z”轴进行插值，从而创建新波段。

如果您要缩放3波段RGB图像，可以通过指定一个元组序列作为缩放因子来实现：

print 'Zoomed by 2x along the last two axes:'
print ndimage.zoom(data, (1, 2, 2))

这样产生：

Zoomed by 2x along the last two axes:
[[[ 0  0  1  1  2  2]
  [ 1  1  1  2  2  3]
  [ 2  2  3  3  4  4]
  [ 4  4  5  5  6  6]
  [ 5  6  6  7  7  7]
  [ 6  6  7  7  8  8]]

 [[ 9  9 10 10 11 11]
  [10 10 10 11 11 12]
  [11 11 12 12 13 13]
  [13 13 14 14 15 15]
  [14 15 15 16 16 16]
  [15 15 16 16 17 17]]

 [[18 18 19 19 20 20]
  [19 19 19 20 20 21]
  [20 20 21 21 22 22]
  [22 22 23 23 24 24]
  [23 24 24 25 25 25]
  [24 24 25 25 26 26]]]

2020-12-20