缩小时的插值

Question

我有一个二维数组，我想对其进行下采样以将其与另一个数组进行比较。

假设我的数组x 是512x512，我想要一个数组y 128x128，其中y 的元素是使用4x4 块@987654327 的值的插值构建的@（这种插值可能只是取平均值，但其他方法，如几何平均，可能会很有趣）

到目前为止，我查看了scipy.ndimage.interpolation.zoom，但没有得到我想要的结果

>> x = np.arange(16).reshape(4,4)
>> print(x)
[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]
 [12 13 14 15]]
>> y = scipy.ndimage.interpolation.zoom(x, 0.5)
>> print(y)
[[ 0  3]
 [12 15]]

我希望y 是

[[ 2.5  4.5]
 [10.5 12.5]]

请注意，简单地设置 dtype=np.float32 并不能解决这个问题...

Answer 1

sklearn.feature_extraction.image.extract_patches 巧妙地使用np.lib.stride_tricks.as_strided 生成一个可以操作的windowed 数组。

sliding_window 函数，可在此处找到 Efficient Overlapping Windows with Numpy，产生一个有或没有重叠的窗口数组 此外，让您了解一下幕后发生的事情。

>>> a = np.arange(16).reshape(4,4)

step_height,step_width 确定窗口的重叠 - 在您的情况下，步骤与窗口大小相同，没有重叠。

>>> window_height, window_width, step_height, step_width = 2, 2, 2, 2
>>> y = sliding_window(a, (window_height, window_width), (step_height,step_width))
>>> y
array([[[ 0,  1],
        [ 4,  5]],

       [[ 2,  3],
        [ 6,  7]],

       [[ 8,  9],
        [12, 13]],

       [[10, 11],
        [14, 15]]])

在窗户上操作：

>>> y = y.mean(axis = (1,2))
>>> y
array([  2.5,   4.5,  10.5,  12.5])

你需要根据窗口的数量来确定最终的形状。

>>> final_shape = (2,2)
>>> y = y.reshape(final_shape)
>>> y
array([[  2.5,   4.5],
       [ 10.5,  12.5]])

在 SO 中搜索numpy、窗口、数组应该会产生许多其他答案和可能的解决方案。

Answer 2

您似乎正在寻找的是 4 块的平均值，这是 zoom 无法获得的，因为 zoom 使用插值（请参阅其文档字符串）

要获得您显示的内容，请尝试以下操作

import numpy as np
x = np.arange(16).reshape(4, 4)

xx = x.reshape(len(x) // 2, 2, x.shape[1] // 2, 2).transpose(0, 2, 1, 3).reshape(len(x) // 2, x.shape[1] // 2, -1).mean(-1)

print xx

这会产生

[[  2.5   4.5]
 [ 10.5  12.5]]

或者，这可以使用sklearn.feature_extraction.image.extract_patches来完成

from sklearn.feature_extraction.image import extract_patches

patches = extract_patches(x, patch_shape=(2, 2), extraction_step=(2, 2))

xx = patches.mean(-1).mean(-1)

print xx

但是，如果您的目标是以优雅的方式对图像进行二次采样，那么对图像块取平均值不是正确的方法：它可能会导致锯齿效果.在这种情况下你应该做的是使用scipy.ndimage.gaussian_filter（例如sigma=0.35 * subsample_factor）稍微平滑图像，然后简单地通过索引[::2, ::2]进行子采样