Ich habe einen NDARRY I von 100 farbigen Bildern, wobei I.shape ist: (100,1,3,100,200).Größenanpassung von Bildern effizient
Dies ändert die Größe eines einzelnen Bildes: i=cv2.resize(i,(10,25)), aber was ist eine effiziente Möglichkeit, die Größe aller Bilder in I, so dass die ND-Form wird: (100,1,3,10,25)?
Hier ist ein Vorschlag mit zoom Funktion von ndimage. Die Redimensionierung dauert ca. 69ms auf meinem Computer:
import numpy as np
I=np.random.randint(0,255,size=(100,1,3,100,200),dtype=np.uint8)
from scipy.ndimage.interpolation import zoom
I2=zoom(I,zoom=(1,1,1,1./10,1./8),order=1)
Dies ist eine saubere Lösung. Es sollte sein: "1./10,1.1./8." obwohl. Vielen Dank. –
Oh, richtig, Entschuldigung! Sollte jetzt für python2 und 3 funktionieren. Diese – jadsq
war ineffizient, wenn ich verwendet 0,5 Millionen Bilder für eine Deep Learning Anwendung :( Ich möchte, wenn Sie einige Hinweise haben, es zu beschleunigen oder zu lähmen. als Sie. –
take alook [hier] (http://stackoverflow.com/a/19731584/6222397) –
@HishamKaram Dank Hisham. Können Sie bitte versuchen, diesen Code für mein Problem zu bearbeiten? Ich konnte nicht. –