Warning: file_get_contents(/data/phpspider/zhask/data//catemap/2/python/359.json): failed to open stream: No such file or directory in /data/phpspider/zhask/libs/function.php on line 167

Warning: Invalid argument supplied for foreach() in /data/phpspider/zhask/libs/tag.function.php on line 1116

Notice: Undefined index: in /data/phpspider/zhask/libs/function.php on line 180

Warning: array_chunk() expects parameter 1 to be array, null given in /data/phpspider/zhask/libs/function.php on line 181

Warning: file_get_contents(/data/phpspider/zhask/data//catemap/7/image/5.json): failed to open stream: No such file or directory in /data/phpspider/zhask/libs/function.php on line 167

Warning: Invalid argument supplied for foreach() in /data/phpspider/zhask/libs/tag.function.php on line 1116

Notice: Undefined index: in /data/phpspider/zhask/libs/function.php on line 180

Warning: array_chunk() expects parameter 1 to be array, null given in /data/phpspider/zhask/libs/function.php on line 181
Python 什么';在PIL.image模块中,不同的图像大小调整算法有什么不同?_Python_Image_Resize_Python Imaging Library - Fatal编程技术网

Python 什么';在PIL.image模块中,不同的图像大小调整算法有什么不同?

Python 什么';在PIL.image模块中,不同的图像大小调整算法有什么不同?,python,image,resize,python-imaging-library,Python,Image,Resize,Python Imaging Library,如中所述,有多种方法可以调整图像大小。例如,PIL.Image.NEAREST,PIL.Image.billine,PIL.Image.BICUBIC等。但在语义分割中,Image.antialas在目标图像大小小于源图像时使用,而Image.BICUBIC在目标图像较大时使用,甚至图像。也使用线性。他们之间有什么不同 下面的文档(以及中)详细描述了这些内容。例如: 最近的 从输入图像中选择一个最近的像素。忽略所有其他输入像素 双线性 对于调整大小,使用线性插值对可能有助于输出值的所有像素计算输

如中所述,有多种方法可以调整图像大小。例如,
PIL.Image.NEAREST
PIL.Image.billine
PIL.Image.BICUBIC
等。但在语义分割中,
Image.antialas
在目标图像大小小于源图像时使用,而
Image.BICUBIC
在目标图像较大时使用,甚至
图像。也使用线性
。他们之间有什么不同

下面的文档(以及中)详细描述了这些内容。例如:

最近的

从输入图像中选择一个最近的像素。忽略所有其他输入像素

双线性

对于调整大小,使用线性插值对可能有助于输出值的所有像素计算输出像素值。对于其他变换,使用输入图像中2x2环境的线性插值

BICUBIC

对于调整大小,在所有可能影响输出值的像素上使用立方插值计算输出像素值。对于其他变换,在输入图像的4x4环境中使用立方插值

这张图表:

见:

安提亚利斯更名为兰索斯


,非常感谢!我知道如果我调整RGB图像的大小将不会有什么不同。我有一个填充了数据类型np.uint8的矩阵,我想将该矩阵放大到1.5倍。假设有两个相邻点的值为0和10,如果我使用上述方法,将填充多少值?我不知道,要找到该值要做的第一件事就是测试并找出答案!一般来说,选择LANZCOS,除非你正在处理大量图像,而且性能太慢。