用numpy和pyfits在Python中缩小图像数组的快速方法

Question

我使用Python2.7.3与numpy和pyfits一起处理科学FITS文件。为了速度起见，我想以一半或四分之一的分辨率处理这些图像，并有以下代码：

# Read red image
hdulist = pyfits.open(red_fn)
img_data = hdulist[0].data
hdulist.close()
img_data_r = numpy.array(img_data, dtype=float)
# Scale it down to one quarter size
my=[]
for line in img_data_r[::4]:
    myline=[]
    for item in line[::4]:
        myline.append(item)
    my.append(myline)
img_data_r = my

这是可行的，但我想知道是否有一种更快、更自然的方法来减少数组。削减应尽早进行，其想法是，将处理的数据规模最小，可以接受。如果有一种方法可以读取经过简化的数据集，那将是非常理想的。但这种方法似乎并不存在(如果我错了，请纠正我)。小胖怎么样？或者是参与/数学/其他什么？

Answer 1

从pyfits获得的数据数组已经是一个NumPy数组。你不需要用它来创造一个。Moerover，您可以简单地在一个步骤中完成下采样：

img_data_r = hdulist[0].data[::4, ::4]

这不会复制数据，而只是以不同的步调复制一个新视图。如果您需要作为连续数组的下采样图像，请使用numpy.ascontiguousarray()。

这种下采样方法只保留16个像素中的一个，并且在所有其他像素中完全删除信息。如果您需要更高质量的下采样，而不是在代码中执行，那么最好使用Imagemagick对FITS文件进行降采样。这也将减少从磁盘读取文件所需的时间。

要将当前目录中的所有FITS文件转换到位(警告:大版本被覆盖)，您可以使用

mogrify -resize 25% *.fits