Numpy Resize / Rescale Image

Chciałbym zrobić zdjęcie i zmienić skalę obrazu, podczas gdy jest to tablica numpy.

Na przykład mam ten obraz butelki coca-coli: butelka-1

Co przekłada się na numeryczną tablicę kształtów (528, 203, 3)i chcę zmienić jej rozmiar, aby powiedzieć rozmiar tego drugiego obrazu: butelka-2

Który ma kształt (140, 54, 3).

Jak zmienić rozmiar obrazu do określonego kształtu, zachowując oryginalny obraz? Inne odpowiedzi sugerują usunięcie co drugiego lub trzeciego wiersza, ale to, co chcę zrobić, to w zasadzie zmniejszyć obraz tak, jak byś to zrobił za pomocą edytora obrazów, ale w kodzie Pythona. Czy są jakieś biblioteki, które mogą to zrobić w numpy / SciPy?

Tak, możesz zainstalować opencv(jest to biblioteka używana do przetwarzania obrazu i wizji komputerowej) i używać tej cv2.resizefunkcji. I na przykład użyj:

import cv2
import numpy as np

img = cv2.imread('your_image.jpg')
res = cv2.resize(img, dsize=(54, 140), interpolation=cv2.INTER_CUBIC)

Oto imgtablica numpy zawierająca oryginalny obraz, podczas gdy restablica numpy zawierająca obraz o zmienionym rozmiarze . Ważnym aspektem jest interpolationparametr: istnieje kilka sposobów zmiany rozmiaru obrazu. Zwłaszcza, że ​​zmniejszasz obraz, a rozmiar oryginalnego obrazu nie jest wielokrotnością rozmiaru obrazu o zmienionym rozmiarze. Możliwe schematy interpolacji to:

• INTER_NEAREST - interpolacja najbliższego sąsiada
• INTER_LINEAR - interpolacja dwuliniowa (używana domyślnie)
• INTER_AREA- resampling z wykorzystaniem relacji obszaru pikseli. Może to być preferowana metoda dziesiątkowania obrazu, ponieważ daje rezultaty pozbawione efektu mory. Ale kiedy obraz jest powiększony, jest podobny do INTER_NEARESTmetody.
• INTER_CUBIC - interpolacja dwuścienna w sąsiedztwie pikseli 4x4
• INTER_LANCZOS4 - interpolacja Lanczosa w sąsiedztwie 8x8 pikseli

Podobnie jak w przypadku większości opcji, nie ma „najlepszej” opcji w tym sensie, że dla każdego schematu zmiany rozmiaru istnieją scenariusze, w których jedna strategia może być preferowana.

Chociaż może być możliwe użycie do tego samego numpy, operacja nie jest wbudowana. To powiedziawszy, możesz użyć scikit-image(który jest zbudowany na numpy) do wykonania tego rodzaju manipulacji obrazem.

Dokumentacja dotycząca skalowania Scikit-Image jest tutaj .

Na przykład możesz wykonać następujące czynności ze swoim obrazem:

from skimage.transform import resize
bottle_resized = resize(bottle, (140, 54))

To zajmie się takimi kwestiami, jak interpolacja, wygładzanie krawędzi itp.

Dla osób przybywających tutaj z Google, którzy szukają szybkiego sposobu na zmniejszenie próbkowania obrazów w numpytablicach do wykorzystania w aplikacjach uczenia maszynowego, oto super szybka metoda (dostosowana stąd ). Ta metoda działa tylko wtedy, gdy wymiary wejściowe są wielokrotnością wymiarów wyjściowych.

Poniższe przykłady zmniejszają rozmiar ze 128x128 do 64x64 (można to łatwo zmienić).

Kanały - ostatnie zamówienie

# large image is shape (128, 128, 3)
# small image is shape (64, 64, 3)
input_size = 128
output_size = 64
bin_size = input_size // output_size
small_image = large_image.reshape((output_size, bin_size, 
                                   output_size, bin_size, 3)).max(3).max(1)

Kanały w pierwszej kolejności

# large image is shape (3, 128, 128)
# small image is shape (3, 64, 64)
input_size = 128
output_size = 64
bin_size = input_size // output_size
small_image = large_image.reshape((3, output_size, bin_size, 
                                      output_size, bin_size)).max(4).max(2)

Dla skali szarości tylko zmianę 3Do 1tak:

Kanały w pierwszej kolejności

# large image is shape (1, 128, 128)
# small image is shape (1, 64, 64)
input_size = 128
output_size = 64
bin_size = input_size // output_size
small_image = large_image.reshape((1, output_size, bin_size,
                                      output_size, bin_size)).max(4).max(2)

Ta metoda używa odpowiednika maksymalnej puli. To najszybszy sposób, jaki znalazłem.

Jeśli ktoś przyszedł tutaj, szukając prostej metody skalowania / zmiany rozmiaru obrazu w Pythonie, bez korzystania z dodatkowych bibliotek, oto bardzo prosta funkcja zmiany rozmiaru obrazu:

#simple image scaling to (nR x nC) size
def scale(im, nR, nC):
  nR0 = len(im)     # source number of rows 
  nC0 = len(im[0])  # source number of columns 
  return [[ im[int(nR0 * r / nR)][int(nC0 * c / nC)]  
             for c in range(nC)] for r in range(nR)]

Przykładowe użycie: zmiana rozmiaru obrazu (30 x 30) na (100 x 200):

import matplotlib.pyplot as plt

def sqr(x):
  return x*x

def f(r, c, nR, nC):
  return 1.0 if sqr(c - nC/2) + sqr(r - nR/2) < sqr(nC/4) else 0.0

# a red circle on a canvas of size (nR x nC)
def circ(nR, nC):
  return [[ [f(r, c, nR, nC), 0, 0] 
             for c in range(nC)] for r in range(nR)]

plt.imshow(scale(circ(30, 30), 100, 200))

Wynik:

Działa to w celu zmniejszania / skalowania obrazów i działa dobrze z tablicami numpy.

imresize()Metoda SciPy była kolejną metodą zmiany rozmiaru, ale zostanie usunięta począwszy od SciPy v 1.3.0. SciPy odnosi się do metody zmiany rozmiaru obrazu PIL :Image.resize(size, resample=0)

rozmiar - żądany rozmiar w pikselach, jako dwie krotki: (szerokość, wysokość).
resample - opcjonalny filtr ponownego próbkowania. Może to być jeden z PIL.Image.NEAREST (użyj najbliższego sąsiada), PIL.Image.BILINEAR (interpolacja liniowa), PIL.Image.BICUBIC (interpolacja sześciennego splajnu) lub PIL.Image.LANCZOS (wysokiej jakości filtr próbkujący ). W przypadku pominięcia lub jeśli obraz ma tryb „1” lub „P”, ustawiany jest PIL.Image.NEAREST.

Link tutaj: https://pillow.readthedocs.io/en/3.1.x/reference/Image.html#PIL.Image.Image.resize

Czy są jakieś biblioteki, które to robią w numpy / SciPy

Pewnie. Możesz to zrobić bez OpenCV, scikit-image lub PIL.

Zmiana rozmiaru obrazu polega w zasadzie na odwzorowaniu współrzędnych każdego piksela z oryginalnego obrazu na jego zmienioną pozycję.

Ponieważ współrzędne obrazu muszą być liczbami całkowitymi (traktuj to jak macierz), jeśli odwzorowana współrzędna ma wartości dziesiętne, należy interpolować wartość piksela, aby przybliżyć ją do pozycji całkowitej (np. Znalezienie najbliższego piksela do tej pozycji jest znane jako interpolacja najbliższego sąsiada ).

Wszystko, czego potrzebujesz, to funkcja, która wykona tę interpolację za Ciebie. SciPy ma interpolate.interp2d.

Możesz go użyć do zmiany rozmiaru obrazu w tablicy numpy, powiedzmy arrw następujący sposób:

W, H = arr.shape[:2]
new_W, new_H = (600,300)
xrange = lambda x: np.linspace(0, 1, x)

f = interp2d(xrange(W), xrange(H), arr, kind="linear")
new_arr = f(xrange(new_W), xrange(new_H))

Oczywiście, jeśli twój obraz jest RGB, musisz wykonać interpolację dla każdego kanału.

Jeśli chcesz dowiedzieć się więcej, polecam obejrzenie Resize Images - Computerphile .

import cv2
import numpy as np

image_read = cv2.imread('filename.jpg',0) 
original_image = np.asarray(image_read)
width , height = 452,452
resize_image = np.zeros(shape=(width,height))

for W in range(width):
    for H in range(height):
        new_width = int( W * original_image.shape[0] / width )
        new_height = int( H * original_image.shape[1] / height )
        resize_image[W][H] = original_image[new_width][new_height]

print("Resized image size : " , resize_image.shape)

cv2.imshow(resize_image)
cv2.waitKey(0)