如何缩小图像尺寸而不丢失离散值？

Question

我有一张城市的图像，颜色不连续（绿色=草地，黑色=建筑物，白色/黄色=道路）。使用Pillow，我将图片导入（Python）程序中，并将其转换为具有离散颜色值的Numpy数组（即，绿色像素变为1，黑色像素变为2，等等）。

我想降低图像的分辨率（出于计算目的），同时保留尽可能多的信息。但是，使用Pillow的resize（）方法，颜色会偏离这些离散值。如何缩小图像的尺寸（最重要的是）保留离散的颜色，同时又要丢失尽可能少的信息（同样重要）？

以下是图片示例：https://i.imgur.com/6Tef55H.png

编辑：每个请求，一些代码：

from PIL import Image
import Numpy as np

picture = Image.open(some_image.png)

width, height = picture.size

pic_array = np.zeros(width,height)

# Turn the image into discrete values
for i in range(0,width):
    for j in range(0,height):
        red, green, blue = picture.getpixel((i,j))
        if red == a and green == b and blue == c:
            #An example of how discrete colors are converted to values
            pic_array[i][j] = 1

缩放可以通过两种方式完成：

1）使用Pillow的调整大小库缩放原始图像，或者 2）使用以下方法重新缩放最终数组：

scaled_array = pic_array[0:width:5, 0:height,5]

就保留信息而言，选项1很好，但是丢失了离散值，而选项2则相反。

Answer 1

我对此问题感兴趣，并写了一些代码来尝试一些想法-特别是@jasonharper在评论中建议的“模式”过滤器。因此，我对其进行了编程。

首先输入的图像不是4个定义明确的类，但实际上有6,504种不同的颜色，因此我使用 ImageMagick 制作了4种颜色的调色板，如下所示：

magick xc:black xc:white xc:yellow xc:green +append palette.png

此处放大了-实际上是4x1像素：

然后我将图像中的颜色映射到4种离散颜色的调色板：

magick map.png +dither -remap palette.png start.png

然后我尝试使用此代码来计算每个3x3窗口的中位数和众数：

#!/usr/bin/env python3

from PIL import Image
import numpy as np
from scipy import stats
from skimage.util import view_as_blocks

# Open image and make into Numpy array
im = Image.open('start.png')
na = np.array(im)

# Make a view as 3x3 blocks - crop anything not a multiple of 3
block_shape=(3,3)
view = view_as_blocks(na[:747,:], block_shape)
flatView = view.reshape(view.shape[0], view.shape[1], -1)   # now (249,303,9)

# Get median of each 3x3 block
resMedian = np.median(flatView, axis=2).astype(np.uint8)
Image.fromarray(resMedian*60).save('resMedian.png')        # arbitrary scaling by 60 for contrast

# Get mode of each 3x3 block
resMode   = stats.mode(flatView, axis=2)[0].reshape((249,303)).astype(np.uint8)
Image.fromarray(resMode*60).save('resMode.png')            # arbitrary scaling by 60 for contrast

这是中值过滤器的结果：

这是“模式”过滤器的结果，确实更好，恕我直言：

以下是动画对比：

如果有人想获取代码并将其修改为尝试新的想法，请放心！