numpy中图像的Mipmap？

Question

我想问你是否有一个简洁的numpy解决方案，可以使用双线性滤波缩小2Dnumpy数组(这是一个图像)的大小？

更具体地说，我的数组的形状是(width，height，4) (与rgba图像相同)。缩小也仅在“偶数”步骤上进行:即从(w，h，4)到(w/2，h/2，4)到(w/4，h/4，4)等。

我已经浏览了相当长的一段时间，但似乎每个人都提到了imresize的scipy/PIL版本。

我想最大限度地减少对python包的依赖，因此只需要numpy。

我只是想在用C++实现它之前先检查一下SO。

Answer 1

我不认为numpy中有任何具体的解决方案，但您应该能够高效地实现它，而不会离开python的舒适。如果我错了，请纠正我，但当图像的大小可被2整除时，双线性滤波器基本上等同于将原始图像的4个像素平均得到新图像的1个像素，对吗？好吧，如果你的图像大小是2的幂，那么下面的代码：

from __future__ import division
import numpy as np
from PIL import Image

def halve_image(image) :
    rows, cols, planes = image.shape
    image = image.astype('uint16')
    image = image.reshape(rows // 2, 2, cols // 2, 2, planes)
    image = image.sum(axis=3).sum(axis=1)
    return ((image + 2) >> 2).astype('uint8')

def mipmap(image) :
    img = image.copy()
    rows, cols, planes = image.shape
    mipmap = np.zeros((rows, cols * 3 // 2, planes), dtype='uint8')
    mipmap[:, :cols, :] = img
    row = 0
    while rows > 1:
        img = halve_image(img)
        rows = img.shape[0]
        mipmap[row:row + rows, cols:cols + img.shape[1], :] = img
        row += rows
    return mipmap

img = np.asarray(Image.open('lena.png'))
Image.fromarray(mipmap(img)).save('lena_mipmap.png')

生成以下输出：

​

​

使用512x512的原始图像，它在我的系统上运行：

In [3]: img.shape
Out[3]: (512, 512, 4)

In [4]: %timeit mipmap(img)
10 loops, best of 3: 154 ms per loop

如果出现奇数长度的边，这将不起作用，但具体取决于您希望如何处理这些情况下的下采样，您应该能够摆脱整行(或列)像素，将图像重塑为(rows // 2, 2, cols // 2, 2, planes)，以便img[r, :, c, :, p]是一个2x2值矩阵，用于插值以获得新的像素值。