该scipy.misc.imresize
功能对我来说有点奇怪。一方面,这就是当我scipy.misc.imresize
在该图像上以1.0比例指定您提供给呼叫的示例2D图像时发生的情况。理想情况下,它应该为您提供相同的图像,但是我们得到的是(在IPython中):
In [35]: from scipy.misc import imresize
In [36]: import numpy as np
In [37]: dtest = np.array(([1,2,3],[4,5,6],[7,8,9]))
In [38]: out = imresize(dtest, 1.0)
In [39]: out
Out[39]:
array([[ 0, 32, 64],
[ 96, 127, 159],
[191, 223, 255]], dtype=uint8)
它不仅将输出的类型更改为uint8
,而且还 值。一方面,它看起来使图像的最大值等于255,而最小值等于0。MATLABimresize
并没有这样做,而是按照我们期望的方式调整了图像的大小:
>> dtest = [1,2,3;4,5,6;7,8,9];
>> out = imresize(dtest, 1)
out =
1 2 3
4 5 6
7 8 9
但是,您需要意识到MATLAB会在默认情况下启用了抗锯齿的情况下执行大小调整。我不确定scipy.misc.resize
在这里做什么,但是我敢打赌没有启用抗锯齿功能。
正如Eric在下面的评论中所指出的那样,如果将图像预铸成所需的类型,您将获得预期的结果:
In [10]: dtest = np.array([[1,2,3],[4,5,6],[7,8,9]], dtype=np.uint8)
In [11]: out = imresize(dtest, 1.0)
In [12]: out
Out[12]:
array([[1, 2, 3],
[4, 5, 6],
[7, 8, 9]], dtype=uint8)
我们可以看到图像没有缩放到该[0,255]
范围。为了最终到达您需要去的地方,我们必须获得图像的浮点表示。scipy.misc.imresize
有一个称为的附加标志'mode'
,您可以指定此标志'F'
以确保输出为浮点数。
In [14]: scale = 1.4
In [15]: out = imresize(dtest, 1/scale, mode='F')
In [16]: out
Out[16]:
array([[ 2.5 , 3.75],
[ 6.25, 7.5 ]], dtype=float32)
如您将在后面看到的,您看到的结果scipy.misc.resize
与您在MATLAB中看到的结果不匹配。
为了获得最佳结果,请不要指定比例-请指定目标输出大小以重现结果。这样,1/scale
您的情况就接近于2 x 2
大小输出,因此这就是您在MATLAB中要做的事情:
>> dtest = [1,2,3;4,5,6;7,8,9];
>> out = imresize(dtest, [2,2], 'bilinear', 'AntiAliasing', false)
out =
2.0000 3.5000
6.5000 8.0000
您会看到矩阵中的某些值与不对齐scipy.misc.resize
。匹配您在MATLAB中看到的内容。与您想要的最接近的东西是OpenCV的resize
功能或scikit- image的resize
功能。两者都没有抗锯齿。如果要使Python和MATLAB彼此匹配,请使用双线性插值方法。imresize
在MATLAB中,默认情况下使用双三次插值,并且我知道MATLAB使用自定义内核来执行此操作,因此,如果在方法之间使用双三次插值,则匹配它们的输出将更加困难。有关更多信息,请参阅此帖子:
MATLAB vs C ++ vs OpenCV-Imresize
使用Python OpenCV:
In [93]: import numpy as np
In [94]: import cv2
In [95]: dtest = np.array(([1,2,3],[4,5,6],[7,8,9]), dtype='float')
In [96]: out = cv2.resize(dtest, (2,2))
In [97]: out
Out[97]:
array([[ 2. , 3.5],
[ 6.5, 8. ]])
使用scikit-image:
In [100]: from skimage.transform import resize
In [101]: dtest = np.array(([1,2,3],[4,5,6],[7,8,9]), dtype='uint8')
In [102]: out = resize(dtest, (2,2), order=1, preserve_range=True)
In [103]: out
Out[103]:
array([[ 2. , 3.5],
[ 6.5, 8. ]])
最后需要注意的一件事是,当指定浮点比例时,MATLAB,OpenCV和scikit- image的行为彼此不同。我做了一些实验,并通过指定浮点大小,无法获得匹配的结果。除此之外,scikit- image不支持采用比例因子,这更是明确声明输出尺寸而非比例的原因。