Question

我想将适合格式的图像调整为较小的尺寸。例如，我想将我的100x100像素图像调整为58x58像素图像。阵列的值是强度或通量值。我想要在转换后保留图像的总强度。这不适用于skimage resize。我的总价值会根据我放大或缩小的因素而减少。我已经在下面展示了我到目前为止尝试的代码。

import numpy as np
from skimage.transform import resize


image=fits.open(directory+file1)
cutout=image[0].data
out = resize(cutout, (58,58), order=1, preserve_range=True)
print(np.sum(out),np.sum(cutout))

我的输出是：

0.074657436655 0.22187 (I want these two values to be equal)

如果我使用以下方法将其缩放到相同的维度：

out = resize(cutout, (100,100), order=1, preserve_range=True)
print(np.sum(out),np.sum(cutout))

我的输出非常接近我想要的：

0.221869631852 0.22187

如果我尝试增加图像尺寸，我也会遇到同样的问题。

out = resize(cutout, (200,200), order=1, preserve_range=True)
print(np.sum(out),np.sum(cutout))

输出：

0.887316320731 0.22187

我想知道这个问题是否有解决办法。

编辑1：

我刚才意识到，如果我将图像乘以我希望增加或缩小图像大小的平方的平方，那么我的总和就会得到保存。

例如：

x=58
out = resize(cutout, (x,x), order=1, preserve_range=True)
test=out*(100/x)**2
print(np.sum(test),np.sum(cutout))

我的输出非常接近我想要的但略高：

0.221930548915 0.22187

我尝试了不同的尺寸，除了非常小的值外，它的工作原理。任何人都可以解释为什么这种关系是真的，或者这只是一个统计上的巧合。

Answer 1

如果您将I = Width x Height处的N = Width x Height视为一组强度在[0,1]范围内的像素，则将图像尺寸调整为{{1}后完全正常强度之和与以前完全不同。

假设具有M = newWidth x newWeight像素的图像I具有均匀分布在N范围内的强度。那么强度之和大约为[0,1]。如果您使用skimage＆＃39; 0.5 * N，则图片将按interpolating调整为较小（或较大）的尺寸。插值不会累积值（正如您所期望的那样），而是在邻域中使用平均值来预测新图像中每个像素的值。因此，图像的强度范围不会改变，值被修改，因此，新调整大小的图像的强度之和大约为resize。如果0.5 * M那么强度之和将会有很大不同。

解决此问题的方法是：

重新调整与其大小成比例的新数据：
```
M != N
```
这与您的建议类似，但适用于任何尺寸的图像（不仅仅是方形图像）。然而，这会使用常数因子>>> y, x = (57, 58) >>> out = resize(data, (y,x), order=1, preserve_range=True) >>> out = out * (data.shape[0] / float(y)) * (data.shape[1] / float(x))补偿每个像素，其中out[i,j] *= X对于图像中的每个像素都相等，并且并非所有像素都将以相同的权重进行插值，因此，添加小的人工制品。
我认为最好将图像的总和（取决于图像上的像素数）替换为图像中的平均强度（不依赖于数字）像素）
```
X
```

skimage resize更改数组的总和

1 个答案: