Question

我需要找到一种方法，使用python将方形图像缩小为256个大像素，最好使用matplotlib和枕头库。

有什么想法吗？

Answer 1

九个月过去了，现在我可以按照您最初提出的关于如何使用Python和PIL / Pillow对图像进行像素化的要求，拼凑一些Python。

#!/usr/local/bin/python3
from PIL import Image

# Open Paddington
img = Image.open("paddington.png")

# Resize smoothly down to 16x16 pixels
imgSmall = img.resize((16,16),resample=Image.BILINEAR)

# Scale back up using NEAREST to original size
result = imgSmall.resize(img.size,Image.NEAREST)

# Save
result.save('result.png')

原始图片

结果

帕丁顿是如此可爱-他只需要像素化即可！

如果将他缩小到32x32像素（而不是16x16），然后重新调整大小，则会得到：

关键字：

像素化，像素化，像素化，像素化，帕丁顿，Python，枕头，PIL，图像，图像处理，最近邻插值。

Answer 2

另一种选择是使用PyPXL

Python脚本使用Lab色彩空间中的K-Means聚类对图像和视频进行像素化。视频像素化支持多处理以实现更好的性能。

使用帕丁顿图像作为源可以运行：

python pypxl_image.py -s 16 16 paddington.png paddington_pixelated.png

哪个给出这个结果

当然，如果您希望它具有256 x 256像素而不是256个大像素，则可以运行

python pypxl_image.py -s 256 256 paddington.png paddington_pixelated.png

哪个给出这个结果

与其他解决方案相比，这两个结果在外观上都具有更复古的8位外观，这可能满足您的需求。

Answer 3

抱歉，我无法为您提供Python解决方案，但我可以在命令行中使用 ImageMagick 向您展示技术和结果：

从这开始：

首先，使用常规立方体或双线性插值将图像调整为16x16像素，然后使用“最近邻居”插值将图像缩放回原始大小：

convert paddington.png -resize 16x16 -scale 400x400 result.png

<强>关键字：

像素化，像素化，像素化，像素化，Paddington，ImageMagick，命令行，命令行，图像，图像处理，最近邻插值。

Answer 4

这是我的解决方法

import numpy as np
import matplotlib.pyplot as plt

def pixelate_rgb(img, window):
    n, m, _ = img.shape
    n, m = n - n % window, m - m % window
    img1 = np.zeros((n, m, 3))
    for x in range(0, n, window):
        for y in range(0, m, window):
            img1[x:x+window,y:y+window] = img[x:x+window,y:y+window].mean(axis=(0,1))
    return img1

img = plt.imread('test.png')

fig, ax = plt.subplots(1, 4, figsize=(20,10))

ax[0].imshow(pixelate_rgb(img, 5))
ax[1].imshow(pixelate_rgb(img, 10))
ax[2].imshow(pixelate_rgb(img, 20))
ax[3].imshow(pixelate_rgb(img, 30))

# remove frames
[a.set_axis_off() for a in ax.flatten()]
plt.subplots_adjust(wspace=0.03, hspace=0)

另一个想法是处理灰度图像：

def pixelate_bin(img, window, threshold):
    n, m = img.shape
    n, m = n - n % window, m - m % window
    img1 = np.zeros((n,m))
    for x in range(0, n, window):
        for y in range(0, m, window):
            if img[x:x+window,y:y+window].mean() > threshold:
                img1[x:x+window,y:y+window] = 1
    return img1

# convert image to grayscale
img = np.dot(plt.imread('test.png'), [0.299 , 0.587, 0.114])

fig, ax = plt.subplots(1, 3, figsize=(15,10))

plt.tight_layout()
ax[0].imshow(pixelate_bin(img, 5, .2), cmap='gray')
ax[1].imshow(pixelate_bin(img, 5, .3), cmap='gray')
ax[2].imshow(pixelate_bin(img, 5, .45), cmap='gray')

# remove frames
[a.set_axis_off() for a in ax.flatten()]
plt.subplots_adjust(wspace=0.03, hspace=0)

请紧记：：png的值介于0和1之间，而jpg的值介于0和255之间

如何用python将方形图像像素化为256个大像素？

4 个答案: