Numpy Resize / Rescale Image

Tôi muốn chụp một hình ảnh và thay đổi tỷ lệ của hình ảnh, trong khi đó là một mảng không rõ ràng.

Ví dụ, tôi có hình ảnh chai coca-cola này: chai-1

Điều này chuyển thành một mảng hình dạng nhỏ (528, 203, 3)và tôi muốn thay đổi kích thước đó để nói lên kích thước của hình ảnh thứ hai này: chai-2

Mà có một hình dạng của (140, 54, 3).

Làm cách nào để thay đổi kích thước của hình ảnh thành một hình dạng nhất định trong khi vẫn giữ nguyên hình ảnh gốc? Các câu trả lời khác đề xuất loại bỏ mọi hàng khác hoặc hàng thứ ba, nhưng những gì tôi muốn làm về cơ bản là thu nhỏ hình ảnh theo cách bạn thực hiện thông qua trình chỉnh sửa hình ảnh nhưng bằng mã python. Có thư viện nào để thực hiện việc này trong numpy / SciPy không?

Vâng, bạn có thể cài đặt opencv(đây là một thư viện được sử dụng để xử lý hình ảnh và thị giác máy tính) và sử dụng cv2.resizechức năng này. Và ví dụ sử dụng:

import cv2
import numpy as np

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

imgDo đó, đây là một mảng numpy chứa hình ảnh gốc, trong khi reslà một mảng numpy chứa hình ảnh đã thay đổi kích thước . Một khía cạnh quan trọng là interpolationtham số: có một số cách để thay đổi kích thước hình ảnh. Đặc biệt là vì bạn thu nhỏ hình ảnh và kích thước của hình ảnh gốc không phải là bội số của hình ảnh đã thay đổi kích thước. Các lược đồ nội suy có thể có là:

• INTER_NEAREST - phép nội suy láng giềng gần nhất
• INTER_LINEAR - một phép nội suy song tuyến (được sử dụng theo mặc định)
• INTER_AREA- lấy mẫu lại bằng cách sử dụng quan hệ vùng pixel. Nó có thể là một phương pháp ưa thích để phân rã hình ảnh, vì nó cho kết quả không có moire. Nhưng khi phóng to hình ảnh, nó cũng tương tự như INTER_NEARESTphương pháp.
• INTER_CUBIC - phép nội suy lưỡng cực trên vùng lân cận 4x4 pixel
• INTER_LANCZOS4 - phép nội suy Lanczos trên vùng lân cận 8x8 pixel

Giống như với hầu hết các tùy chọn, không có tùy chọn "tốt nhất" theo nghĩa là đối với mọi lược đồ thay đổi kích thước, có những tình huống trong đó một chiến lược có thể được ưu tiên hơn một chiến lược khác.

Mặc dù có thể chỉ sử dụng numpy để làm điều này, nhưng hoạt động này không được tích hợp sẵn. Điều đó nói rằng, bạn có thể sử dụng scikit-image(được xây dựng trên numpy) để thực hiện loại thao tác hình ảnh này.

Tài liệu thay đổi tỷ lệ Scikit-Image có ở đây .

Ví dụ: bạn có thể làm như sau với hình ảnh của mình:

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

Điều này sẽ giải quyết những việc như nội suy, khử răng cưa, v.v. cho bạn.

Đối với những người đến đây từ Google đang tìm kiếm một cách nhanh chóng để giảm mẫu hình ảnh trong numpycác mảng để sử dụng trong các ứng dụng Máy học, đây là một phương pháp siêu nhanh (được điều chỉnh từ đây ). Phương pháp này chỉ hoạt động khi kích thước đầu vào là bội số của kích thước đầu ra.

Các ví dụ sau giảm mẫu từ 128x128 xuống 64x64 (điều này có thể dễ dàng thay đổi).

Các kênh đặt hàng gần đây nhất

# 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)

Các kênh đặt hàng đầu tiên

# 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)

Đối với hình ảnh màu xám chỉ cần thay đổi 3một 1như thế này:

Các kênh đặt hàng đầu tiên

# 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)

Phương pháp này sử dụng tương đương với tổng hợp tối đa. Đó là cách nhanh nhất để làm điều này mà tôi đã tìm thấy.

Nếu bất kỳ ai đến đây tìm kiếm một phương pháp đơn giản để thay đổi kích thước / thay đổi kích thước hình ảnh bằng Python mà không cần sử dụng các thư viện bổ sung, thì đây là một hàm thay đổi kích thước hình ảnh rất đơn giản:

#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)]

Cách sử dụng ví dụ: thay đổi kích thước hình ảnh (30 x 30) thành (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))

Đầu ra:

Điều này hoạt động để thu nhỏ / chia tỷ lệ hình ảnh và hoạt động tốt với các mảng có nhiều nếp gấp.

imresize()Phương pháp của SciPy là một phương pháp thay đổi kích thước khác, nhưng nó sẽ bị xóa bắt đầu với SciPy v 1.3.0. SciPy đề cập đến phương pháp thay đổi kích thước hình ảnh PIL :Image.resize(size, resample=0)

kích thước - Kích thước được yêu cầu tính bằng pixel, dưới dạng 2 bộ: (chiều rộng, chiều cao).
resample - Bộ lọc lấy mẫu lại tùy chọn. Đây có thể là một trong PIL.Image.NEAREST (sử dụng hàng xóm gần nhất), PIL.Image.BILINEAR (nội suy tuyến tính), PIL.Image.BICUBIC (nội suy hình khối) hoặc PIL.Image.LANCZOS (một bộ lọc giảm mẫu chất lượng cao ). Nếu bị bỏ qua hoặc nếu hình ảnh có chế độ “1” hoặc “P”, nó sẽ được đặt PIL.Image.NEAREST.

Liên kết tại đây: https://pillow.readthedocs.io/en/3.1.x/reference/Image.html#PIL.Image.Image.resize

Có thư viện nào để thực hiện việc này trong numpy / SciPy không

Chắc chắn rồi. Bạn có thể làm điều này mà không cần OpenCV, scikit-image hoặc PIL.

Thay đổi kích thước hình ảnh về cơ bản là ánh xạ tọa độ của mỗi pixel từ hình ảnh gốc đến vị trí đã thay đổi kích thước của nó.

Vì tọa độ của hình ảnh phải là số nguyên (hãy nghĩ về nó như một ma trận), nếu tọa độ được ánh xạ có giá trị thập phân, bạn nên nội suy giá trị pixel để xấp xỉ nó với vị trí số nguyên (ví dụ: lấy pixel gần nhất đến vị trí đó đã biết như nội suy láng giềng gần nhất ).

Tất cả những gì bạn cần là một hàm thực hiện nội suy này cho bạn. SciPy có interpolate.interp2d.

Bạn có thể sử dụng nó để thay đổi kích thước hình ảnh trong mảng numpy, chẳng hạn arrnhư sau:

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))

Tất nhiên, nếu hình ảnh của bạn là RGB, bạn phải thực hiện nội suy cho từng kênh.

Nếu bạn muốn hiểu thêm, tôi khuyên bạn nên xem Thay đổi kích thước hình ảnh - 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)