如何調整 Nd numpy 圖像的大小？

Question

如何調整 Nd numpy 圖像的大小？

我不只是想對它進行二次采樣，而是對像素進行插值/平均。

例如，如果我從

array([[[3, 1, 3, 1],
        [3, 1, 3, 1],
        [3, 1, 3, 1],
        [3, 1, 3, 1]],

       [[3, 1, 3, 1],
        [3, 1, 3, 1],
        [3, 1, 3, 1],
        [3, 1, 3, 1]]], dtype=uint8)

並在所有維度上將其縮小 2 倍，我希望輸出為

array([[[2, 2],
        [2, 2]]], dtype=uint8)

嘗試的解決方案：

A. SciPy ndimage：

>>> scipy.ndimage.interpolation.zoom(x, .5, mode='nearest')

array([[[3, 1],
        [3, 1]]], dtype=uint8)

（可選的order參數沒有區別）

B. 循環2**3可能的偏移量：丑陋、緩慢、僅適用於整數縮放因子，並且需要額外的步驟來避免溢出。

C. OpenCV 和 PIL 僅適用於 2D 圖像。

Answer 1

重塑以將每個軸分成一個長度為2軸，為我們提供一個6D數組，然后沿后面的數組（軸： 1,3,5 ）獲取平均值 -

m,n,r = a.shape
out = a.reshape(m//2,2,n//2,2,r//2,2).mean((1,3,5))

擴展到n-dim數組，它將是 -

def shrink(a, S=2): # S : shrink factor
    new_shp = np.vstack((np.array(a.shape)//S,[S]*a.ndim)).ravel('F')
    return a.reshape(new_shp).mean(tuple(1+2*np.arange(a.ndim)))

樣品運行 -

In [407]: a
Out[407]: 
array([[[1, 5, 8, 2],
        [5, 6, 4, 0],
        [8, 5, 5, 5],
        [1, 0, 0, 0]],

       [[0, 0, 7, 6],
        [3, 5, 4, 3],
        [4, 5, 1, 3],
        [6, 7, 4, 0]]])

In [408]: a[:2,:2,:2].mean()
Out[408]: 3.125

In [409]: a[:2,:2,2:4].mean()
Out[409]: 4.25

In [410]: a[:2,2:4,:2].mean()
Out[410]: 4.5

In [411]: a[:2,2:4,2:4].mean()
Out[411]: 2.25

In [412]: shrink(a, S=2)
Out[412]: 
array([[[ 3.125,  4.25 ],
        [ 4.5  ,  2.25 ]]])