python - skimage 调整大小更改数组的总和

Question

我想将适合格式的图像调整为更小的尺寸。例如，我想将我的 100x100 像素图像调整为 58x58 像素图像。数组的值是强度或通量值。我希望在转换后保留图像的总强度。这不适用于 skimage 调整大小。我的总值(value)减少取决于我放大或缩小的因素。我在下面显示了到目前为止我尝试过的代码。

import numpy as np
from skimage.transform import resize


image=fits.open(directory+file1)
cutout=image[0].data
out = resize(cutout, (58,58), order=1, preserve_range=True)
print(np.sum(out),np.sum(cutout))

我的输出是:

0.074657436655 0.22187 (I want these two values to be equal)

如果我使用以下方法将它缩放到相同的维度:

out = resize(cutout, (100,100), order=1, preserve_range=True)
print(np.sum(out),np.sum(cutout))

我的输出非常接近我想要的:

0.221869631852 0.22187

如果我也尝试增加图像大小，我会遇到同样的问题。

out = resize(cutout, (200,200), order=1, preserve_range=True)
print(np.sum(out),np.sum(cutout))

输出:

0.887316320731 0.22187

我想知道这个问题是否有解决方法。

编辑 1:

我刚刚意识到，如果我将我的图像乘以我想要增加或减小图像大小的比例的平方，那么我的总和是守恒的。

例如:

x=58
out = resize(cutout, (x,x), order=1, preserve_range=True)
test=out*(100/x)**2
print(np.sum(test),np.sum(cutout))

我的输出非常接近我想要的但略高:

0.221930548915 0.22187

我用不同的维度尝试了这个，除了非常小的值外，它都有效。谁能解释为什么这种关系是正确的，或者这只是统计上的巧合。

Answer 1

如果您将图像 I = Width x Height 其中 N = Width x Height 视为一组强度在 [0 范围内的像素， 1]，将图像调整为 M = newWidth x newWeight 后，强度总和与之前完全不同，这是完全正常的。

假设具有 N 像素的图像 I 具有在 [0,1] 范围内均匀分布的强度。那么强度总和将大约为 0.5 * N。如果您使用 skimage 的 resize，图像将被调整为更小(或更大)的尺寸 interpolating .插值不会累积值(正如您所期望的那样)，而是对邻域中的值进行平均，以预测新图像中每个像素的值。因此，图像的强度范围不变，值被修改，因此，新调整大小的图像的强度之和将大约为 0.5 * M。如果 M != N 则强度总和将相差很大。

解决这个问题你可以做的是:

1. 根据数据大小重新缩放新数据:

   >>> y, x = (57, 58)
   >>> out = resize(data, (y,x), order=1, preserve_range=True)
   >>> out = out * (data.shape[0] / float(y)) * (data.shape[1] / float(x))
   

   这类似于您提出的建议，但适用于任何尺寸的图像(不仅仅是方形图像)。然而，这会用常数因子 out[i,j] *= X 补偿每个像素，其中 X 对图像中的每个像素都相等，而不是所有像素将使用相同的权重进行插值，因此会添加小的人为因素。

2. 我认为最好将图像的总和(取决于图像上的像素数)替换为图像中的平均强度(不依赖于像素数) )

   >>> meanI = np.sum(I) / float(I.size)   # Exactly the same as np.mean(I) or I.mean()
   >>> meanInew = np.sum(out) / float(out.size)
   >>> np.isclose(meanI, meanInew) # True