Gibt es in Python eine Größenänderungsfunktion, um ein Bild als tf.image.resize_images-Funktion von TensorFlow zu skalieren?

Question

Ich habe ein 4D ndarray von Bilddaten, die als [NumberOfImages, RowsOfImage, ColumnsOfImage, ChannelsOfImage] organisiert ist.

Jetzt möchte ich die Bilder im 4D ndarray auf die neue Größe, um die Größe, die mit der Größe ist [NumberOfImages, NewRowsOfImage, NewColumnsOfImage, ChannelsOfImage], während die anderen Dimensionen bleiben unverändert.

Ich weiß, es gibt eine Funktion tf.image.resize_images in TensorFlow, um dies zu tun. Wenn das neue Bild größer als das Originalbild ist, wird das neue Bild mit neuen Bildpunkten mit der Bilinear-Interpolation oder Nearest Neighbor-Interpolation gefüllt.

Allerdings wurde das NDarray der Bilddaten nach der Größenanpassung in ein Tensor-Objekt von TensorFlow konvertiert. Dann muss ich es wieder in ein ndarray konvertieren. Diese Verfahren werden enorme Zeit kosten.

Ich habe versucht skimage.transform.resize, aber diese Funktion scheint 2D-Bilddaten zu skalieren. Wenn ich diese Funktion verwende, muss ich eine für Schleife verwenden, die auch enorme Zeit kosten wird.

Gibt es also eine Größenänderungsfunktion in Python, die der tf.image.resize_images-Funktion von TensorFlow entspricht? Wenn nicht, könnte mir jemand einen Rat geben, um mein Problem zu lösen?

Vielen Dank.

Answer 1

numpy.resize verwenden. Siehe folgendes Beispiel. Alle Bilder haben die gleiche Form (in diesem Fall 768 x 1024 x 3). In diesem Beispiel habe ich die Zeilennummer mit der Spaltennummer geändert. im_all ist Ihr 4d-Array. Hier

from scipy.misc import imread 
import numpy as np 
import matplotlib.pyplot as plt 
f = r"C:\Users\Public\Pictures\Sample Pictures\Lighthouse.jpg" 
im0 = imread(f) 
f = r"C:\Users\Public\Pictures\Sample Pictures\koala.jpg" 
im1 = imread(f) 
f = r"C:\Users\Public\Pictures\Sample Pictures\tulips.jpg" 
im2 = imread(f) 
f = r"C:\Users\Public\Pictures\Sample Pictures\desert.jpg" 
im3 = imread(f) 
im_all = np.array([im0, im1, im2, im3]) 
im_all_b = np.resize(im_all, [im_all.shape[0], im_all.shape[2], im_all.shape[1], im_all.shape[3]]) 
plt.figure() 
plt.imshow(im_all_b[1]) 
plt.figure() 
plt.imshow(im_all[1]) 
plt.show() 

ist ein Beispiel mit Interpolation (Standard: bilinear siehe: http://docs.scipy.org/doc/scipy-0.16.1/reference/generated/scipy.misc.imresize.html) mit Speichernutzung Optimierung:

from scipy.misc import imread, imresize 
import numpy as np 
import matplotlib.pyplot as plt 
f = r"C:\Users\Public\Pictures\Sample Pictures\Lighthouse.jpg" 
im0 = imread(f) 
f = r"C:\Users\Public\Pictures\Sample Pictures\koala.jpg" 
im1 = imread(f) 
f = r"C:\Users\Public\Pictures\Sample Pictures\tulips.jpg" 
im2 = imread(f) 
f = r"C:\Users\Public\Pictures\Sample Pictures\desert.jpg" 
im3 = imread(f) 
im_all = np.array([im0, im1, im2, im3]) 
for i in range(im_all.shape[0]): 
    temp = im_all[0, :, :, :].copy() 
    im_all = np.delete(im_all, 0, 0) 
    temp = imresize(temp, (temp.shape[0]+200, temp.shape[1]+200, 3)) 
    temp = np.expand_dims(temp, axis=0) 
    try: 
     im_all_b = np.vstack([im_all_b, temp]) 
    except NameError: 
     im_all_b = temp 

plt.figure() 
plt.imshow(im_all_b[1]) 
plt.show() 

Im obigen Beispiel füge I 200 Pixel zu jedem der x- und y-Achse.