Python 我的形象（6000*6000）坚定。是否相同：将其大小调整为（1000*1000），然后调整为（512*512）并直接调整为（512*512）？；

我在一台服务器上有大约200GB以上的图像（大约6000*6000）数据。出于可移植的原因，我希望我可以将它的大小（cv2）调整为（1000*1000），然后将数据传输到另一个云，然后再重新调整为（512*512），并执行一些简单的分类任务。重新调整大小将拯救我很多生命。我只是想知道这样做，除了将6000*6000直接调整为512*512，数据还会丢失一些信息吗

结果应该是不同的，但我不知道这将如何影响我的模型精度

img2= cv2.resize(img, (1000, 1000))
img3=cv2.resize(img, (512, 512))
img4=cv2.resize(img2, (512, 512))
img3==img4

array([[[ True,  True,  True],
        [ True,  True,  True],
        [ True,  True,  True],
        ...,
        [ True, False,  True],
        [ True, False,  True],
        [ True,  True,  True]],

       [[ True,  True,  True],
        [ True,  True,  True],
        [ True,  True,  True],
        ...,
        [ True,  True, False],
        [ True,  True,  True],
        [ True,  True,  True]],

       [[ True,  True,  True],
        [ True,  True,  True],
        [ True,  True,  True],
        ...,
        [ True, False,  True],
        [ True,  True,  True],
        [ True,  True,  True]],

       ...,

       [[ True,  True,  True],
        [ True,  True,  True],
        [ True,  True,  True],

---

你当然会丢失信息

假设您有一个4 x 4的图像：

xxxx
xoxo
xxxx
xoxo

示例图像是二进制的。现在将分辨率更改为2 x 2。块，例如

xx
xo

需要在新分辨率定义的新光栅中指定

x

或

o

，因此它们将更改为

x

。结果是一个新的2 x 2图像：

xx
xx

现在将其更改回4x4的分辨率。但是，在2 x 2图像中不再有关于任何

o

的任何信息可用，因此缩小比例会导致：

xxxx
xxxx
xxxx
xxxx

这显然是不同的

这是一个简单的例子，数据丢失的程度取决于格式的实现，特别是数据的响应和存储方式。但总的来说——是的，信息明显丢失

---

作为建议，根据您需要做的事情，您可以将图像的chunck发送到服务器，对这些图像进行分类，接收结果，发送下一个chunck，等等。当然，如果您希望对跨越整个图像的对象进行分类，那么这将不起作用。

当然，您会丢失信息

假设您有一个4 x 4的图像：

xxxx
xoxo
xxxx
xoxo

示例图像是二进制的。现在将分辨率更改为2 x 2。块，例如

xx
xo

需要在新分辨率定义的新光栅中指定

x

或

o

，因此它们将更改为

x

。结果是一个新的2 x 2图像：

xx
xx

现在将其更改回4x4的分辨率。但是，在2 x 2图像中不再有关于任何

o

的任何信息可用，因此缩小比例会导致：

xxxx
xxxx
xxxx
xxxx

这显然是不同的

这是一个简单的例子，数据丢失的程度取决于格式的实现，特别是数据的响应和存储方式。但总的来说——是的，信息明显丢失

---

作为建议，根据您需要做的事情，您可以将图像的chunck发送到服务器，对这些图像进行分类，接收结果，发送下一个chunck，等等。当然，如果您希望对跨越整个图像的对象进行分类，那么这将不起作用。

您无法测试此功能吗？建议：直接驻留到512x512，但在调整大小之前平滑输入图像（默认情况下，MATLAB

imresize

使用“抗锯齿”过滤器，而OpenCV不使用）。你需要一个大的平滑滤波器，我不知道如何确定它的大小。我做过测试，数值不同。但我只是想知道这会不会影响我的模型从技术上讲，两步图像大小调整会丢失一些细节，但对于图像分类来说，这应该不会有太大的区别。出于性能原因，在单个步骤中调整大小可能更可取，但额外调整大小步骤的开销不高。为什么不在传输之前在第一台服务器上直接调整大小至512x512？您无法测试此问题吗？建议：直接驻留在512x512，但在调整大小之前平滑输入图像（默认情况下，MATLAB

imresize

使用“抗锯齿”过滤器，而OpenCV不使用）。你需要一个大的平滑过滤器，我不知道如何确定它的大小。我做过测试，值不同。但我只是想知道这会影响我的模型。从技术上讲，两步图像大小调整会丢失一些细节，但对于图像分类来说，它应该不会有太大的区别。出于性能原因，一步调整大小可能更可取，但额外调整大小步骤的开销不高。为什么不在传输前在第一台服务器上直接调整到512x512？我建议对大型图像进行一些预处理，并在不进行任何分类的情况下找到感兴趣的部分，这样您就可以使用classif获得许多较小的图像边界框我建议对大型图像进行一些预处理，在没有任何分类的情况下找到感兴趣的部分，这样你就可以得到许多带有可分类对象的图像的较小边界框。