Python 简化图像的numpy数组表示

我有一个图像，由PIL读入

np.array

。 在我的例子中，它是一个

（10001500）

np.array

为了直观起见，我想简化它。 通过简化，我将从该矩阵进行以下变换

1 1 1 1 0 0
1 0 1 0 0 0 

到

因此，本质上，看看每个

2*2

样本，如果它满足某些标准，比如超过50%的1->将其计为1，如果不满足，则计为0

---

我不知道如何正确地调用它，但我相信应该有一些众所周知的数学过程来这样做。

使用

np.reformate（）

和

np.sum（array）

与

axis

参数的组合：

import numpy as np
a = np.array([[1, 1, 1, 1, 0, 0], [1, 0, 1, 0, 0, 0]])
a = np.reshape(a, (a.shape[0]/2, 2, a.shape[1]/2, 2))
a = np.sum(a, axis=(1, 3)) >= 2

重塑将数组分组为小2x2块（原始轴长度必须是2的倍数），然后我使用沿创建轴求和来检查组中至少4个值为1

---

有关类似问题，请参见。

使用

np.reformate（）

和

np.sum（数组）

与

轴

参数的组合：

import numpy as np
a = np.array([[1, 1, 1, 1, 0, 0], [1, 0, 1, 0, 0, 0]])
a = np.reshape(a, (a.shape[0]/2, 2, a.shape[1]/2, 2))
a = np.sum(a, axis=(1, 3)) >= 2

重塑将数组分组为小2x2块（原始轴长度必须是2的倍数），然后我使用沿创建轴求和来检查组中至少4个值为1

类似问题请参见。

您可以使用将图像转换为PIL，然后或将该图像转换为所需大小的图像。一个好处是，可以轻松地将其保存到文件、绘制到画布或显示以进行调试。只需注意数字类型和图像模式（我经常陷入的陷阱）

通过以下方式创建图像：

from PIL import Image
image = Image.fromarray(arr).astype(np.uint8) #unsigned bytes for 8-bit grayscale
smallerImage = image.resize(desired_size, resample=Image.BILINEAR) #resize returns a copy thumbnail modifies in place

将图像返回到numpy数组非常简单：

np.array（image.getdata（））。重塑（image.size）

您可以使用它将图像转换为PIL，然后将该图像转换为所需大小的图像。一个好处是，可以轻松地将其保存到文件、绘制到画布或显示以进行调试。只需注意数字类型和图像模式（我经常陷入的陷阱）

通过以下方式创建图像：

from PIL import Image
image = Image.fromarray(arr).astype(np.uint8) #unsigned bytes for 8-bit grayscale
smallerImage = image.resize(desired_size, resample=Image.BILINEAR) #resize returns a copy thumbnail modifies in place

---

将图像返回到numpy数组非常简单：

np.array（image.getdata（））.resforme（image.size）

这不应该是

>2

吗？这不应该是

>2

吗？我想你正在谈论的数学过程通常被称为“下采样”有一个小页面，上面有几种常用方法的视觉比较我想你所说的数学过程通常被称为“下采样”，有一个小页面，上面有几种常用方法的视觉比较