如何使用python将正方形图像像素化为256大像素？

我需要找到一种方法，使用python将正方形图像减少到256个大像素，最好使用matplotlib和pillow库

---

有什么想法吗？

对不起，我不能给你一个Python解决方案，但我可以在命令行中使用ImageMagick向你展示技术和结果：

从这一点开始：

首先，使用普通立方或双线性插值将图像大小调整为16x16像素，然后使用“最近邻”插值将图像缩放回原始大小：

convert paddington.png -resize 16x16 -scale 400x400 result.png

关键词：

---

像素化、像素化、像素化、像素化、Paddington、ImageMagick、命令行、命令行、图像、图像处理、最近邻插值。

九个月过去了，我现在可以根据您最初的要求拼凑一些Python—关于如何使用Python和PIL/Pillow对图像进行像素化

#!/usr/local/bin/python3
from PIL import Image

# Open Paddington
img = Image.open("paddington.png")

# Resize smoothly down to 16x16 pixels
imgSmall = img.resize((16,16),resample=Image.BILINEAR)

# Scale back up using NEAREST to original size
result = imgSmall.resize(img.size,Image.NEAREST)

# Save
result.save('result.png')

原始图像

结果

---

帕丁顿太可爱了——他只需要被像素化

如果您将其缩小到32x32像素（而不是16x16像素），然后重新调整大小，您将得到：

关键词：

像素化、像素化、像素化、像素化、帕丁顿、Python、枕头、PIL、图像、图像处理、最近邻插值。

另一个选项是使用

Python脚本，在Lab colorspace中使用K-Means聚类对图像和视频进行像素化。视频像素化支持多处理以实现更好的性能

使用Paddington映像作为源，您可以运行：

python pypxl_image.py -s 16 16 paddington.png paddington_pixelated.png

这就产生了这个结果

当然，如果您希望它具有256 x 256像素，而不是256个大像素，您可以运行

python pypxl_image.py -s 256 256 paddington.png paddington_pixelated.png

这就产生了这个结果

与其他解决方案相比，这两个结果都具有更复古的8位外观，可能适合您的需要。

这是我的解决方案

import numpy as np
import matplotlib.pyplot as plt

def pixelate_rgb(img, window):
    n, m, _ = img.shape
    n, m = n - n % window, m - m % window
    img1 = np.zeros((n, m, 3))
    for x in range(0, n, window):
        for y in range(0, m, window):
            img1[x:x+window,y:y+window] = img[x:x+window,y:y+window].mean(axis=(0,1))
    return img1

img = plt.imread('test.png')

fig, ax = plt.subplots(1, 4, figsize=(20,10))

ax[0].imshow(pixelate_rgb(img, 5))
ax[1].imshow(pixelate_rgb(img, 10))
ax[2].imshow(pixelate_rgb(img, 20))
ax[3].imshow(pixelate_rgb(img, 30))

# remove frames
[a.set_axis_off() for a in ax.flatten()]
plt.subplots_adjust(wspace=0.03, hspace=0)

还有一个想法是处理灰度图像：

def pixelate_bin(img, window, threshold):
    n, m = img.shape
    n, m = n - n % window, m - m % window
    img1 = np.zeros((n,m))
    for x in range(0, n, window):
        for y in range(0, m, window):
            if img[x:x+window,y:y+window].mean() > threshold:
                img1[x:x+window,y:y+window] = 1
    return img1

# convert image to grayscale
img = np.dot(plt.imread('test.png'), [0.299 , 0.587, 0.114])

fig, ax = plt.subplots(1, 3, figsize=(15,10))

plt.tight_layout()
ax[0].imshow(pixelate_bin(img, 5, .2), cmap='gray')
ax[1].imshow(pixelate_bin(img, 5, .3), cmap='gray')
ax[2].imshow(pixelate_bin(img, 5, .45), cmap='gray')

# remove frames
[a.set_axis_off() for a in ax.flatten()]
plt.subplots_adjust(wspace=0.03, hspace=0)

---

请记住：

png

的值介于0和1之间，而

jpg

的值介于0和255之间

什么是“大像素”？是否只想将图像大小调整为16x16像素？使用默认插值将其大小调整为16x16，使用最近邻插值将其缩放回原始大小。如果有人喜欢像素化图像，这只是为了好玩。。。