Python 神经网络中的变形状、高尺度、图像阵列

我有一个图像像素值数组，我想将其放大以输入我的神经网络。它是一个形状数组（28000，48，48，1）。这些是标准化的图像像素值，希望将其放大到更高的分辨率，以便输入到我的CNN中。数组看起来像这样

array([[[[-0.6098866 ],
         [-0.4592209 ],
         [-0.40325198],
         ...,
         [-0.7694696 ],
         [-0.90518403],
         [-0.95160526]],

        [[-0.66049284],
         [-0.68162924],
         [-0.694159  ],

---

my

X\U列

和

y\U列

图像阵列的形状均为（28000,48,48,1）。我想将这28000个图像阵列放大或调整大小为75x75。请帮忙。我是否应该将数组转换回非规范化数组或图像，然后使用cv2进行高比例缩放？如何调整图像大小？

调整图像大小的一种简单方法是使用Python模块PIL（Python图像库），您可以使用

pip安装工具安装它。下面的示例演示如何调整单个图像的大小：

将numpy导入为np
从PIL导入图像
将matplotlib.pyplot作为plt导入
#开放图像
panda\u pil=Image.open（“panda.jpg”）
打印（np.数组（panda_pil.形状）
# (613, 696, 3)
panda_pil_resized=panda_pil.resize（（75,75））
打印（np.array（panda\u pil\u resized）.shape）
# (75, 75, 3)
plt.imshow（np.array（panda_-pil_-resized））
plt.show（）

您可以按如下方式下载熊猫图片：

导入urllib.request
panda_fname=“panda.jpg”
panda_url=”https://upload.wikimedia.org/wikipedia/commons/f/fe/Giant_Panda_in_Beijing_Zoo_1.JPG"
urllib.request.urlretrieve（panda\u url，panda\u fname）

要调整所有28000个图像的大小，一种方法是将其作为for循环中的预处理步骤，并将图像保存到numpy数组中

编辑：您可以在原始28000x2304图像数组中循环，并在
for
-循环中分别放大每个图像。要从
np.ndarray
对象中获取
PIL.Image
对象，您可以使用
PIL.Image.from_array
，如下所示（我刚刚生成了一个随机的高斯噪声数组，但它应该与您的图像相同）：

将numpy导入为np
从PIL导入图像
从时间导入性能计数器
旧的宽度，旧的高度=48，48
新宽度，新高度=75，75
图像数量=28000
old\u image\u array=np.random.normal（大小=[num\u图像，old\u宽度*old\u高度]）
新建图像数组=np.empty（形状=[num\u图像，新建宽度*新建高度]）
打印（“开始转换…”）
t0=性能计数器（）
#分别在每个图像上循环
对于范围内的i（num_图像）：
#获取第i个图像并重塑
old_image=old_image_数组[i]。重塑（old_宽度，old_高度）
#转换为PIL.Image
old\u image\u pil=image.fromarray（old\u image）
#高分辨率
新图片大小=旧图片大小（（新图片宽度，新图片高度））
#转换为numpy数组
new\u image=np.array（new\u image\u pil）
#重塑形状并存储在新的图像阵列中
新建图像\u数组[i]=新建图像。重塑（新建宽度*新建高度）
t1=性能计数器（）
打印（“所用时间={.3f}s”。格式（t1-t0））
打印（旧\u图像\u数组.shape、新\u图像\u数组.shape）

控制台输出：

Starting conversion...
Time taken = 2.771 s
(28000, 2304) (28000, 5625)

也许有一种更有效的方法可以做到这一点，但这种方法很简单，如果您还不知道，可以使用一些有用的工具来了解它们（
PIL
是一个处理图像的好模块，请查看您是否想了解更多关于
PIL
）.
调整图像大小的一种简单方法是使用Python模块PIL（Python图像库），您可以使用
pip安装工具安装它。下面的示例演示如何调整单个图像的大小：

将numpy导入为np
从PIL导入图像
将matplotlib.pyplot作为plt导入
#开放图像
panda\u pil=Image.open（“panda.jpg”）
打印（np.数组（panda_pil.形状）
# (613, 696, 3)
panda_pil_resized=panda_pil.resize（（75,75））
打印（np.array（panda\u pil\u resized）.shape）
# (75, 75, 3)
plt.imshow（np.array（panda_-pil_-resized））
plt.show（）

您可以按如下方式下载熊猫图片：

导入urllib.request
panda_fname=“panda.jpg”
panda_url=”https://upload.wikimedia.org/wikipedia/commons/f/fe/Giant_Panda_in_Beijing_Zoo_1.JPG"
urllib.request.urlretrieve（panda\u url，panda\u fname）

要调整所有28000个图像的大小，一种方法是将其作为for循环中的预处理步骤，并将图像保存到numpy数组中

编辑：您可以在原始28000x2304图像数组中循环，并在
for
-循环中分别放大每个图像。要从
np.ndarray
对象中获取
PIL.Image
对象，您可以使用
PIL.Image.from_array
，如下所示（我刚刚生成了一个随机的高斯噪声数组，但它应该与您的图像相同）：

将numpy导入为np
从PIL导入图像
从时间导入性能计数器
旧的宽度，旧的高度=48，48
新宽度，新高度=75，75
图像数量=28000
old\u image\u array=np.random.normal（大小=[num\u图像，old\u宽度*old\u高度]）
新建图像数组=np.empty（形状=[num\u图像，新建宽度*新建高度]）
打印（“开始转换…”）
t0=性能计数器（）
#分别在每个图像上循环
对于范围内的i（num_图像）：
#获取第i个图像并重塑
old_image=old_image_数组[i]。重塑（old_宽度，old_高度）
#转换为PIL.Image
old\u image\u pil=image.fromarray（old\u image）
#高分辨率
新图片大小=旧图片大小（（新图片宽度，新图片高度））
#转换为numpy数组
new\u image=np.array（new\u image\u pil）
#重塑形状并存储在新的图像阵列中
新建图像\u数组[i]=新建图像。重塑（新建宽度*新建高度）
t1=性能计数器（）
打印（“所用时间={.3f}s”。格式（t1-t0））
打印（旧\u图像\u数组.shape、新\u图像\u数组.shape）

控制台输出：

Starting conversion...
Time taken = 2.771 s
(28000, 2304) (28000, 5625)

也许有一种更有效的方法可以做到这一点，但这种方法很简单，如果你还不了解它们，可以使用有用的工具来了解它们（
PIL
是一个处理图像的好模块，看看你是否想了解更多关于
PIL
）。
有没有尝试过
scipy.misc.imresize（）
或
skimresize a