如何重新采样代表图像的 NumPy 数组？

在本文中，我们将对表示图像的 NumPy 数组进行重采样。为此，我们使用 scipy 包。 Scipy 包带有ndimage.zoom()方法，它通过使用给定顺序的样条插值放大到 NumPy 数组来为我们准确地做到这一点。默认为 3 阶（又名立方）。

对于包含虚部的输入，scipy。 ndimage.zoom，独立缩放实部和虚部。

Syntax: scipy.ndimage.zoom(input, zoom, output=None, order=3, mode=’constant’, cval=0.0, prefilter=True, *, grid_mode=False)

Parameters:

• Input: It defines the ndarray
• zoom : It takes both a sequence or a single number , if a single number it means apply zoom with same value in on all axis , if a sequence is provided then apply in the given order to x,y,z…etc.
• Output: By default the output of same dtype of input will be created.
• Order: Spline interpolation value , it must range between [0,5] inclusive.
• Mode**: One of the most important parameters which decides how the interpolation  must happen beyond for boundary pixels it can take values from this list  [‘reflect’, ‘constant’, ‘nearest’, ‘mirror’, ‘wrap’].
• prefilter : Takes boolean value and determine if the input array should be prefiltered with spline filter before interpolation or not.

Returns: A ndarray zoomed input.

例子

为了完成我们的缩放任务，我们将首先创建一个如下所示的 ndarray：

Python3

import numpy as np
import scipy.ndimage
 
ndarray = np.array([[11, 12, 13, 14],
                    [21, 22, 23, 24],
                    [31, 32, 33, 34],
                    [41, 42, 43, 44]])
print(ndarray)

输出：

[[11 12 13 14]
 [21 22 23 24]
 [31 32 33 34]
 [41 42 43 44]]

示例 1：在本示例中，我们将通过

• ndarray 作为输入数组
• zoom: 2 (用值缩放)
• 阶数：0（样条插值）

因为 order = 0 和 zoom = 2 所以，缩放是在轴上完成的，具有相同的值。

蟒蛇3

print(scipy.ndimage.zoom(
  ndarray, 2, order = 0))

输出：

[[11 11 12 12 13 13 14 14]
 [11 11 12 12 13 13 14 14]
 [21 21 22 22 23 23 24 24]
 [21 21 22 22 23 23 24 24]
 [31 31 32 32 33 33 34 34]
 [31 31 32 32 33 33 34 34]
 [41 41 42 42 43 43 44 44]
 [41 41 42 42 43 43 44 44]]

示例 2：在本示例中，我们将通过

• ndarray 作为输入数组
• zoom : 2（用值缩放）
• 顺序：1（样条插值）

因为 order = 1 和 zoom = 2 所以，缩放是在轴上完成的，值+轴即；值+4。

蟒蛇3

print(scipy.ndimage.zoom(
  ndarray, 2, order = 1))

输出：

[[11 11 12 12 13 13 14 14]
 [15 16 16 17 17 17 18 18]
 [20 20 20 21 21 22 22 23]
 [24 24 25 25 26 26 26 27]
 [28 29 29 29 30 30 31 31]
 [32 33 33 34 34 35 35 35]
 [37 37 38 38 38 39 39 40]
 [41 41 42 42 43 43 44 44]]

示例 3：在多波段图像的情况下，我们通常不想沿 z 轴进行插值以创建向图像中添加新波段，因此我们应该为缩放因子参数传递一个序列而不是单个数字.

蟒蛇3

import numpy as np
import scipy.ndimage
 
ndarray = np.array([[[11, 12, 13, 14],
                     [21, 22, 23, 24]],
                    [[31, 32, 33, 34],
                     [41, 42, 43, 44]]])
print(ndarray)
 
print(scipy.ndimage.zoom(ndarray, 1).shape)

输出：

[[[11 12 13 14]
  [21 22 23 24]]

 [[31 32 33 34]
  [41 42 43 44]]]
(2, 2, 4)

示例 4：

蟒蛇3

import numpy as np
import scipy.ndimage
 
ndarray = np.array([[[11, 12, 13, 14],
                     [21, 22, 23, 24]],
                    [[31, 32, 33, 34],
                     [41, 42, 43, 44]]])
 
print(scipy.ndimage.zoom(ndarray, (2, 2, 4)))

输出：

[[[11 11 11 11 12 12 12 12 13 13 13 13 14 14 14 14]
  [14 14 14 14 14 15 15 15 15 15 16 16 16 16 17 17]
  [18 18 19 19 19 19 20 20 20 20 20 21 21 21 21 21]
  [21 21 21 21 22 22 22 22 23 23 23 23 24 24 24 24]]

 [[16 16 16 17 17 17 17 18 18 18 18 18 19 19 19 19]
  [19 19 19 19 20 20 20 20 20 21 21 21 21 22 22 22]
  [24 24 24 24 24 25 25 25 25 25 26 26 26 26 27 27]
  [26 26 26 27 27 27 27 28 28 28 28 28 29 29 29 29]]

 [[26 26 26 26 27 27 27 27 27 28 28 28 28 29 29 29]
  [28 28 29 29 29 29 30 30 30 30 30 31 31 31 31 31]
  [33 33 33 34 34 34 34 35 35 35 35 35 36 36 36 36]
  [36 36 36 36 37 37 37 37 37 38 38 38 38 39 39 39]]

 [[31 31 31 31 32 32 32 32 33 33 33 33 34 34 34 34]
  [34 34 34 34 34 35 35 35 35 35 36 36 36 36 37 37]
  [38 38 39 39 39 39 40 40 40 40 40 41 41 41 41 41]
  [41 41 41 41 42 42 42 42 43 43 43 43 44 44 44 44]]]