numpy中的图像Mipmap？

Question

我正在检查你是否有一个利用双线性过滤来调整2D numpy数组（这是一个图像）的整齐的numpy解决方案？

更具体地说，我的数组具有形状（宽度，高度，4）（如在rgba图像中）。降尺度也只在“偶数”步骤上完成：即从（w，h，4）到（w / 2，h / 2,4）到（w / 4，h / 4,4）等。

我已经浏览了很长一段时间但是每个人似乎都提到了imresize的scipy / PIL版本。

我想最小化python包的依赖数，因此只需要numpy。

在我用C ++实现它之前，我只是想用SO来检查。

Answer 1

我认为numpy中没有任何具体的解决方案，但是你应该能够有效地实现它而不必离开python的舒适度。如果我错了，请纠正我，但是当图像的大小可以被2整除时，双线性滤波器基本上与原始图像的平均4个像素相同，得到新像素的1个像素，对吧？好吧，如果你的图像大小是2的幂，那么代码如下：

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')

生成此输出：

原始图像为512x512，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

如果一个奇数长度的某个方面出现，这将无法工作，但根据您想要处理这些情况的下采样的确切方式，您应该能够摆脱像素的完整行（或列） ，将图像重塑为(rows // 2, 2, cols // 2, 2, planes)，以便img[r, :, c, :, p]为2x2值的矩阵，以进行插值以获得新的像素值。