Python 3.x 用numpy压缩RGB图像

我有10000张RGB格式的图像，大小为（10000,32,32,3）。

---

我想使用

numpy

有效地将图像压缩到2x2、4x4等。到目前为止，我唯一的想法是手动分割图像，压缩图像，然后在循环中把这些片段放在一起。有更优雅的解决方案吗？

您可以使用以下方法执行类似操作：

例如，对于随机数据：

>>> img = np.random.random((100, 32, 32, 3))
>>> resample(img, dims = [2, 4, 8, 16, 32])
>>> [img.shape for img in new_imgs]
[(100, 2, 2, 3),
(100, 4, 4, 3),
(100, 8, 8, 3),
(100, 16, 16, 3),
(100, 32, 32, 3)]

---

从下面的注释中注意到，您可能需要调整

缩放

功能中的

模式

参数。

您可以使用SciKit image的

视图作为块

和

np.mean（）

：

---

我想你可以用

scipy.ndimage.mean做你想做的事情

如果我了解你想做什么（只在维度1和维度2中调整图像大小），那么

scipy.ndimage.zoom（）

允许你在不同维度上使用不同的比例因子。因此你希望输出形状是

（10000,8,3）

对于4x4插值？代码正是我需要的。然而，我注意到

si.zoom

函数与

dims=16

产生不同的结果。由于某种原因，两条边上的像素变为黑色。我将

模式

参数设置为“最近”，解决了问题。

>>> img = np.random.random((100, 32, 32, 3))
>>> resample(img, dims = [2, 4, 8, 16, 32])
>>> [img.shape for img in new_imgs]
[(100, 2, 2, 3),
(100, 4, 4, 3),
(100, 8, 8, 3),
(100, 16, 16, 3),
(100, 32, 32, 3)]

import numpy as np
import skimage

images = np.random.rand(10000, 32, 32, 3)
images_rescaled = skimage.util.view_as_blocks(images, (1, 4, 4, 1)).mean(axis=(-2, -3)).squeeze()
images_rescaled.shape
# (10000, 8, 8, 3)