如何对表示图像的NumPy数组进行重采样

对表示图像的NumPy数组进行重采样是改变数组大小同时保持图像质量的过程。我们可以在Python中使用插值、降采样和上采样技术来对数组进行重采样。我们可以使用Python中Scipy库的 ndimage.zoom() 函数来对表示图像的NumPy数组进行重采样。在本文中，我们将了解如何使用Python中的Scipy模块对表示图像的NumPy数组进行重采样。

插值

插值是一种用于估计现有数据点之间值的技术。在NumPy中，我们有几种插值方法，如线性插值、三次插值和最近邻插值。当新数组的分辨率高于原始数组时，使用插值技术。

降采样

降采样是一种通过丢弃已有数据点来减小数组大小的技术。当新数组的分辨率低于原始数组时，使用降采样技术。

上采样

上采样是一种通过在现有数据点之间插入新数据点来增加数组大小的技术。当新数组的分辨率高于原始数组时，使用上采样技术。

使用Scipy模块对表示图像的NumPy数组进行重采样

为了对NumPy数组进行重采样，我们将使用Scipy库和其中的ndimage.zoom()函数来对图像进行缩放，增加其大小而不影响图像质量。您可以按照以下步骤对表示图像的NumPy数组进行重采样。

步骤

可以通过以下算法使用Scipy库对表示图像的NumPy数组进行重采样-

导入所需的库 – NumPy，Scipy 和 Matplotlib。
使用Scipy库的 imread() 函数将图像加载为NumPy数组。
使用Matplotlib库的 imshow() 函数显示原始图像。
计算缩放因子以对图像进行重采样。缩放因子是新图像大小与原始图像大小的比值。
使用Scipy库的 ndimage.zoom() 函数对图像进行重采样。将图像数组和缩放因子作为参数传递给函数。
使用Matplotlib库的 imshow() 函数显示重采样后的图像。
使用 set_title() 函数为原始图像和重采样图像设置标题。
使用Matplotlib库的 show() 函数显示图像。
运行代码并观察输出以检查重采样是否成功。
根据需要调整缩放因子以增加或减小图像的分辨率。

我们可以使用Scipy库和 ndimage.zoom() 函数轻松重采样表示图像的NumPy数组。

语法

scipy.ndimage.zoom(input, zoom, output=None, order=3, mode='reflect', cval=0.0, prefilter=True)

在这里，ndimage.zoom()函数中使用的参数为 –

input − 这是需要进行重新采样的输入数组。它应该是一个NumPy数组。
zoom − 这个参数是用于重新采样图像的缩放因子。它可以是一个标量或一个标量序列，用于指定输入数组的每个维度的缩放因子。
output − 这个参数是一个可选的输出数组，用于放置重新采样结果。它应该是一个与期望输出形状相同的NumPy数组。
order − 这个参数是要使用的样条插值的阶数。它应该是一个整数，默认值为3。
mode − 这个参数是用于处理超出输入边界的点的模式。它应该是以下字符串之一：“reflect”，“constant”，“nearest”，“mirror”或“wrap”。默认值为“reflect”。
cval − 这个参数是当mode=’constant’时，在输入边界之外的点上使用的值。默认值为0.0。
prefilter − 这个参数是一个布尔标志，指示是否在重新采样之前对输入数据应用预过滤。默认值为True。

步骤1：导入必要的库

我们将导入numpy进行数组操作，scipy进行ndimage.zoom()函数操作，以及matplotlib进行图像可视化。

import numpy as np
from scipy import ndimage
import matplotlib.pyplot as plt

步骤2：加载图像

我们将创建一个简单的3*3尺寸的图像，使用numpy数组的形式，并会在下一步对这个图像进行缩放。

image = np.array([[1, 2, 3],
               [4, 5, 6],
               [7, 8, 9]])

步骤3：重新采样图像

为了缩放图像，我们将使用ndimage.zoom()函数。ndimage.zoom()函数接受两个参数 – 要缩放的输入数组和缩放因子。缩放因子是一个元组，用于指示输入数组每个维度的缩放比例。我们将使用缩放因子(2,2)来在两个维度上将图像的大小加倍。

zoom_factor = (2, 2)
resampled_image = ndimage.zoom(image, zoom_factor)

步骤4：可视化原始和重采样图像

我们可以使用matplotlib的 plt.show() 函数来可视化原始和重采样的图像。我们创建两个子图，第一个子图显示原始图像，第二个子图显示重采样图像。

# Create a figure with two subplots
fig, (ax1, ax2) = plt.subplots(1, 2)

# Display the original image in the first subplot
ax1.imshow(image, cmap='gray')
ax1.set_title('Original Image')

# Display the resampled image in the second subplot
ax2.imshow(resampled_image, cmap='gray')
ax2.set_title('Resampled Image')

# Show the figure
plt.show()

示例

重新采样图像的完整代码如下所示：

import numpy as np
from scipy import ndimage
import matplotlib.pyplot as plt

# Load the image as a NumPy array
image = np.array([[1, 2, 3],
                 [4, 5, 6],
                 [7, 8, 9]])

# Define the zoom factor
zoom_factor = (2, 2)

# Resample the image using the ndimage.zoom() function
resampled_image = ndimage.zoom(image, zoom_factor)

# Create a figure with two subplots
fig, (ax1, ax2) = plt.subplots(1, 2)

# Display the original image in the first subplot
ax1.imshow(image, cmap='gray')
ax1.set_title('Original Image')

# Display the resampled image in the second subplot

ax2.imshow(resampled_image, cmap='gray')
ax2.set_title('Resampled Image')

# show the figure
plt.show()