Python 有效地调整图像阵列的大小

我有一个包含100个彩色图像的数组

I

，其中

I.shape

是：

（100,1,3100200）

---

这将调整单个图像的大小：

i=cv2。调整大小（i，（10,25））

，但是如何有效地调整

i

中所有图像的大小，从而使阵列形状变为：

（100,1,3,10,25）

？

下面是一个使用

ndimage

中的

zoom

函数的建议。在我的计算机上调整大小大约需要69毫秒：

import numpy as np
I=np.random.randint(0,255,size=(100,1,3,100,200),dtype=np.uint8)

from scipy.ndimage.interpolation import zoom
I2=zoom(I,zoom=(1,1,1,1./10,1./8),order=1)

---

带上alook@HishamKaram谢谢Hisham。你能为我的问题编辑一下代码吗？我不能。这是一个巧妙的解决方案。它应该是：“1/10,1/8.”。谢谢。哦，对了，对不起！现在应该适用于python2和Python3。当我将50万张图像用于深度学习应用程序时，这是低效的：（我希望你能给我一些提示，让它加速或瘫痪。比你更快。@HeshamEraqi你能更准确地告诉我什么是高效的吗？50万100x200 8位RGB图像是30 GB的数据，这需要大量的计算，需要大量的ram。但就效率而言，我真的不确定你想要的是什么.）。。.根据我笔记本电脑上的测试，调整20K图片（1.2GB）的大小大约需要12.5秒，因此处理0.5M图片大约需要5分钟，这对你来说还不够快吗？@HeshamEraqi事实上，代码在69毫秒内调整了100张图片的大小，因此调整0.5M图片的大小需要5到6分钟