web-dev-qa-db-ja.com

画像を表すnumpy配列のリサンプリング

新しいサイズで画像データを表すnumpy配列をリサンプリングする方法を探しています。できれば、補間方法（最近接、双線形など）を選択できます。知っている

scipy.misc.imresize

これは、PILのサイズ変更機能をラップすることにより、まさにこれを行います。唯一の問題は、PILを使用しているため、numpy配列が画像形式に準拠しなければならず、最大4つの「カラー」チャンネルが提供されることです。

任意の数の「カラー」チャンネルを使用して、任意の画像のサイズを変更できるようにします。 scipy/numpyでこれを行う簡単な方法があるのか​​、それとも自分でロールバックする必要があるのか​​疑問に思っていました。

自分で1つを調合する方法について、2つのアイデアがあります。

  • すべてのチャネルで個別にscipy.misc.imresizeを実行する関数
  • scipy.ndimage.interpolation.affine_transformを使用して独自に作成する

最初の方法は、大規模なデータの場合はおそらく低速であり、2番目の方法は、スプライン以外の補間方法を提供していないようです。

pythonimage-processingnumpyscipypython-imaging-library
69
Gustav Larsson

説明に基づいて、 scipy.ndimage.zoom が必要です。

双線形補間はorder=1になり、最も近いのはorder=0になり、キュービックがデフォルト（order=3）になります。

zoomは、新しい解像度にリサンプリングする定期的にグリッド化されたデータ専用です。

簡単な例として：

import numpy as np
import scipy.ndimage

x = np.arange(9).reshape(3,3)

print 'Original array:'
print x

print 'Resampled by a factor of 2 with nearest interpolation:'
print scipy.ndimage.zoom(x, 2, order=0)


print 'Resampled by a factor of 2 with bilinear interpolation:'
print scipy.ndimage.zoom(x, 2, order=1)


print 'Resampled by a factor of 2 with cubic interpolation:'
print scipy.ndimage.zoom(x, 2, order=3)

そして結果：

Original array:
[[0 1 2]
 [3 4 5]
 [6 7 8]]
Resampled by a factor of 2 with nearest interpolation:
[[0 0 1 1 2 2]
 [0 0 1 1 2 2]
 [3 3 4 4 5 5]
 [3 3 4 4 5 5]
 [6 6 7 7 8 8]
 [6 6 7 7 8 8]]
Resampled by a factor of 2 with bilinear interpolation:
[[0 0 1 1 2 2]
 [1 2 2 2 3 3]
 [2 3 3 4 4 4]
 [4 4 4 5 5 6]
 [5 5 6 6 6 7]
 [6 6 7 7 8 8]]
Resampled by a factor of 2 with cubic interpolation:
[[0 0 1 1 2 2]
 [1 1 1 2 2 3]
 [2 2 3 3 4 4]
 [4 4 5 5 6 6]
 [5 6 6 7 7 7]
 [6 6 7 7 8 8]]

Edit：Matt S.が指摘したように、マルチバンド画像をズームするにはいくつかの注意事項があります。私は 以前の回答 のいずれかから、ほとんど逐語的に以下の部分をコピーしています。

ズームは3D（およびnD）配列でも機能します。ただし、たとえば2倍にズームすると、all軸に沿ってズームすることに注意してください。

data = np.arange(27).reshape(3,3,3)
print 'Original:\n', data
print 'Zoomed by 2x gives an array of shape:', ndimage.zoom(data, 2).shape

これにより以下が得られます。

Original:
[[[ 0  1  2]
  [ 3  4  5]
  [ 6  7  8]]

 [[ 9 10 11]
  [12 13 14]
  [15 16 17]]

 [[18 19 20]
  [21 22 23]
  [24 25 26]]]
Zoomed by 2x gives an array of shape: (6, 6, 6)

マルチバンド画像の場合、通常、「z」軸に沿って補間して新しいバンドを作成したくないでしょう。

ズームしたい3バンドのRGB画像のようなものがある場合は、ズーム係数としてタプルのシーケンスを指定することでこれを行うことができます。

print 'Zoomed by 2x along the last two axes:'
print ndimage.zoom(data, (1, 2, 2))

これにより以下が得られます。

Zoomed by 2x along the last two axes:
[[[ 0  0  1  1  2  2]
  [ 1  1  1  2  2  3]
  [ 2  2  3  3  4  4]
  [ 4  4  5  5  6  6]
  [ 5  6  6  7  7  7]
  [ 6  6  7  7  8  8]]

 [[ 9  9 10 10 11 11]
  [10 10 10 11 11 12]
  [11 11 12 12 13 13]
  [13 13 14 14 15 15]
  [14 15 15 16 16 16]
  [15 15 16 16 17 17]]

 [[18 18 19 19 20 20]
  [19 19 19 20 20 21]
  [20 20 21 21 22 22]
  [22 22 23 23 24 24]
  [23 24 24 25 25 25]
  [24 24 25 25 26 26]]]
100
Joe Kington

リサンプリングする場合は、Scipyのクックブックで rebinning を探してください。特に、最後に定義されたcongrid関数は、リビニングまたは補間をサポートします（同じ名前のIDLの関数と同等）。補間が必要ない場合、これが最速のオプションです。

scipy.ndimage.map_coordinates を直接使用することもできます。これは、あらゆる種類のリサンプリング（非構造化グリッドを含む）のスプライン補間を行います。 map_coordinatesは、大きな配列（nx、ny> 200）で遅いことがわかりました。

構造化グリッドでの補間には、 scipy.interpolate.RectBivariateSpline を使用する傾向があります。スプラインの次数（線形、二次、三次など）を選択でき、各軸に対して個別に選択することもできます。例：

    import scipy.interpolate as interp
    f = interp.RectBivariateSpline(x, y, im, kx=1, ky=1)
    new_im = f(new_x, new_y)

この場合、双線形補間(kx = ky = 1)を実行しています。 「最も近い」種類の補間はサポートされていません。これは、長方形メッシュ上のスプライン補間のみであるためです。また、最速の方法ではありません。

バイリニアまたはバイキュービック補間を使用している場合、一般的に2つの1D補間を行う方がはるかに高速です。

    f = interp.interp1d(y, im, kind='linear')
    temp = f(new_y)
    f = interp.interp1d(x, temp.T, kind='linear')
    new_im = f(new_x).T

kind='nearest'を使用することもできますが、その場合は、横断アレイを削除します。

13
tiago

Scikit-image を見ましたか？そのtransform.pyramid_*関数は役に立つかもしれません。

8
Peter Wang

最近、scipy.ndimage.interpolation.zoomの問題を発見しました。これはバグレポートとして提出しました。 https://github.com/scipy/scipy/issues/32

代替手段として（または少なくとも私にとって）、scikit-imageのskimage.transform.resizeが正しく機能することがわかりました。 http://scikit-image.org/docs/dev/api/skimage.transform .html＃skimage.transform.resize

ただし、scipyのInterpolation.zoomとは動作が異なります。複数の値を指定するのではなく、目的の出力形状を指定します。これは2Dおよび3D画像で機能します。

ちょうど2D画像の場合、transform.rescaleを使用して、interpolation.zoomの場合と同様に乗数またはスケールを指定できます。

6
Zehan

このソリューションは、RGBチャンネルに影響を与えることなく、フィードされた画像のXとYをスケーリングします。

import numpy as np
import scipy.ndimage

matplotlib.pyplot.imshow(scipy.ndimage.zoom(image_np_array, zoom = (7,7,1), order = 1))

これが役立つことを願っています。

0
Martin Frasch