python - 在 Python 中，如何缩放存储为 NumPy 数组的图像的大小？

Question

我按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 像素值填充这个数组，生成一个可以使用如下过程保存的小彩色图像:

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

为了创建一个图像(比如 600 x 300 像素)，我如何扩大 NumPy 数组的大小(没有插值)？

Answer 1

您可以使用 numpy.kron按照评论中的建议，或者您可以使用以下选项

1] 使用PILLOW 保持纵横比

• 如果你想保持图像的宽高比，那么你可以使用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，它将应用高质量的下采样过滤器，从而产生更好的图像

2] 使用OpenCV

• OpenCV 有cv2.resize() 函数

  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

  (150, 150)
  (24, 24)
  

• cv2.resize() 函数也有插值作为参数，您可以通过它指定如何调整图像大小

• 插值方法:

  • INTER_NEAREST - 最近邻插值法
  • INTER_LINEAR - 双线性插值(默认使用)
  • INTER_AREA - 使用像素面积关系重新采样。它可能是图像抽取的首选方法，因为它可以提供无摩尔纹的结果。但是当图像被放大时，它类似于INTER_NEAREST方法。
  • INTER_CUBIC - 4x4 像素邻域的双三次插值
  • INTER_LANCZOS4 - 8x8 像素邻域的 Lanczos 插值

3] 使用PILLOW 库

• 使用Image.resize()

  from PIL import Image
  sourceimage= 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

  (150, 150)
  (24, 24)
  

5] 使用SciPy

• 使用scipy.misc.imresize()函数

  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

  (150, 150)
  (24, 24)