Python 在numpy中调整一批图像的大小

我在一个numpy数组（10000 x 480 x 752）中有近10000个灰度图像，希望使用scipy.misc中的imresize函数调整它们的大小。它与围绕所有图像的for循环构建一起工作，但需要15分钟

images_resized = np.zeros([0, newHeight, newWidth], dtype=np.uint8)
for image in range(images.shape[0]):
    temp = imresize(images[image], [newHeight, newWidth], 'bilinear')
    images_resized = np.append(images_resized, np.expand_dims(temp, axis=0), axis=0)

是否有任何方法可以使用类似apply的函数更快地完成此操作？我沿着_轴查看应用_

def resize_image(image):
    return imresize(image, [newHeight, newWidth], 'bilinear')
np.apply_along_axis(lambda x: resize_image(x), 0, images)

但这给了我们一个机会

'arr' does not have a suitable array shape for any mode

---

错误。

时间很长，可能是因为

调整大小

很长：

In [22]: %timeit for i in range(10000) : pass
1000 loops, best of 3: 1.06 ms per loop

因此，时间是由

resize

函数花费的：在这里，矢量化不会提高性能

一幅图像的估计时间为15*60/10000=90ms<代码>调整大小使用样条线。这对质量很好，但很费时。如果目标是减小尺寸，则重采样可以提供可接受的结果，而且速度更快：

In [24]: a=np.rand(752,480)

In [25]: %timeit b=a[::2,::2].copy()
1000 loops, best of 3: 369 µs per loop #

In [27]: b.shape
Out[27]: (376, 240) 

---

大约快300倍。这样，您就可以在几秒钟内完成任务。

如果需要任何人帮助，您必须提供调整图像大小的代码。。看，我不确定这是否是您要寻找的，但看看这个：您是否有一组您正在使用的

newHeight

，

newWidth

的特定值？您是只进行下采样还是上采样，还是两种方式都可以？这不是您要求的，但如果您将

images\u resized=np.zero（[images.shape[0]，newHeight，newWidth]，dtype=np.uint8）]

从一开始，只需通过枚举

images在右侧插入调整大小的
x
。调整numpy数组的大小需要时间…您最终使用@Peter做了什么？