Python：通过非整数因子下采样2D numpy数组

Question

我需要通过非整数因子（例如，100x100阵列到45x45阵列）对2D numpy数组进行下采样，以执行局部平均，就像Photoshop / gimp会为图像执行此操作一样。 我需要双精度。 目前的选择不能很好。

• scipy.ndimage.zoom不执行平均，并且基本上使用最近邻居采样（参见上一个问题scipy.ndimage.interpolation.zoom使用最接近邻居的算法进行缩小 ）

• scipy.misc.imresize将数组转换为int8; 我需要更高的精度和浮点数

• skimage.transform.rescale也使用最近邻居并将你转发到skimage.transform.downscale_local_mean进行局部平均，

• skimage.transform.downscale_local_mean只能执行整数缩放因子（如果因子是非整数，则用零skimage.transform.downscale_local_mean图像）。 整数缩放因子是一个微不足道的numpy excersice。

我错过了其他选择吗？

Answer 1

我最后写了一个小函数，使用scipy.ndimage.zoom升级图像，但是为了缩小它，它首先将它升级为原始形状的倍数，然后通过块平均缩小。 它接受scipy.zoom任何其他关键字参数（ order和prefilter ）

我仍在寻找使用可用软件包的更清洁的解决方案。

def zoomArray(inArray, finalShape, sameSum=False, **zoomKwargs):
    inArray = np.asarray(inArray, dtype = np.double)
    inShape = inArray.shape
    assert len(inShape) == len(finalShape)
    mults = []
    for i in range(len(inShape)):
        if finalShape[i] < inShape[i]:
            mults.append(int(np.ceil(inShape[i]/finalShape[i])))
        else:
            mults.append(1)
    tempShape = tuple([i * j for i,j in zip(finalShape, mults)])

    zoomMultipliers = np.array(tempShape) / np.array(inShape) + 0.0000001
    rescaled = zoom(inArray, zoomMultipliers, **zoomKwargs)

    for ind, mult in enumerate(mults):
        if mult != 1:
            sh = list(rescaled.shape)
            assert sh[ind] % mult == 0
            newshape = sh[:ind] + [sh[ind] / mult, mult] + sh[ind+1:]
            rescaled.shape = newshape
            rescaled = np.mean(rescaled, axis = ind+1)
    assert rescaled.shape == finalShape

    if sameSum:
        extraSize = np.prod(finalShape) / np.prod(inShape)
        rescaled /= extraSize
    return rescaled