矢量化 misc.imresize() 时出现广播错误

Question

我有一个由多个相同大小的图像 [N_images,width,height,3] 组成的 numpy 数组 A。

我想以最快的方式向他们每个人申请misc.imresize()。

所以我定义了：

def myfunc(x):
  return misc.imresize(x,(wanted_width,wanted_height))

然后我做了：

vfunc=np.vectorize(my_func)

但是当我尝试时：

test=vfunc(A)

我收到一个 not-suitable-array-shape-for-converting-into-images 错误。 我认为这是因为我没有指定操作应该向量化的轴，这导致它没有以想要的方式广播数组操作，所以我尝试了另一种方法来缩小错误范围：

test=np.apply_along_axis(my_func,0,A)

并得到同样的错误。 即使我强制将 np.squeeze() 放入 my_func。这让我很惊讶。

编辑：我也试过map同样的错误。 正如@jotasi 所指出的那样，这可能源于您只能将矢量化与标量函数一起使用。

这一定很愚蠢，但我不知道发生了什么。有人可以启发我吗？有办法解决吗？

Answer 1

还有一种使用 scipy 的 zoom 的替代 矢量化 方法。但是，对于少量图像，它不一定更快（例如，对于 N=100，循环可能会更快）。

>>> from skimage import color, util, data
>>> img = util.img_as_float(color.gray2rgb(data.camera())) # Sample RGB image

我只是在 RGB 通道上复制了一个灰度图像，所以它看起来仍然是灰度的，但实际上它是 RGB。

通过复制上面的 RGB 图像及其水平翻转来创建 100 个 RGB 图像（以确保插值正常工作）。

>>> data = np.empty((100,) + img.shape, img.dtype)
>>> data[0::2] = img
>>> data[1::2] = img[:,::-1]
>>> plt.imshow(data[50])

查找缩放系数：

>>> from scipy.ndimage import zoom
>>> new_size = (200, 200)
>>> fy, fx = np.asarray(new_size, np.float32) / data.shape[1:3]

调整图像大小，1 的因子表示在该轴上没有插值：

>>> resized = zoom(data, (1, fy, fx, 1), order=0) # order=0 for quicker
>>> plt.imshow(resized[50]) # resized.shape = (100, 200, 200, 3)

再次注意，虽然它是矢量化版本，但它使用 NN 插值以便快速，标准循环 + 任意插值可能会更快。将此作为概念证明，看看它是否适合您。