Python：通过非整数因子对 2D numpy 数组进行下采样答案

【问题标题】：Python: downsample 2D numpy array by a non-integer factorPython：通过非整数因子对 2D numpy 数组进行下采样
【发布时间】：2016-03-11 08:57:49
【问题描述】：

我需要以执行局部平均的方式按非整数因子（例如 100x100 数组到 45x45 数组）对 2D numpy 数组进行下采样，就像 Photoshop/gimp 对图像执行此操作一样。我需要双精度。目前的选择不能很好地做到这一点。

scipy.ndimage.zoom不进行平均，基本使用最近邻采样（参见上一个问题scipy.ndimage.interpolation.zoom uses nearest-neighbor-like algorithm for scaling-down）
scipy.misc.imresize 将数组转换为 int8；我需要更多精度和浮点数
skimage.transform.rescale 也使用最近邻并将您转发到skimage.transform.downscale_local_mean 进行本地平均，
skimage.transform.downscale_local_mean 只能执行整数缩放因子（如果因子为非整数，则用零填充图像）。整数比例因子是一个微不足道的 numpy excersice。

我是否错过了其他选择？

【问题讨论】：

不是最优雅的，我不确定这里的数学，但如果你只是想要一些有用的东西，我会把它放大 9 (900X900) 然后缩小 20 (45X45) 所以你可以在两个步骤中按整数进行缩放
我目前正在使用放大到最终大小的最近乘数（在这种情况下为 135），然后通过块平均来缩小。它有效，但有点丑陋，尤其是对于巨大的矩阵。

标签： python numpy image-processing

【解决方案1】：

我最终编写了一个小函数，使用scipy.ndimage.zoom 放大图像，但要缩小它首先将其放大为原始形状的倍数，然后通过块平均缩小。它接受 scipy.zoom 的任何其他关键字参数（order 和 prefilter）

我仍在寻找使用可用软件包的更清洁的解决方案。

def zoomArray(inArray, finalShape, sameSum=False, **zoomKwargs):
    inArray = np.asarray(inArray, dtype = np.double)
    inShape = inArray.shape
    assert len(inShape) == len(finalShape)
    mults = []
    for i in range(len(inShape)):
        if finalShape[i] < inShape[i]:
            mults.append(int(np.ceil(inShape[i]/finalShape[i])))
        else:
            mults.append(1)
    tempShape = tuple([i * j for i,j in zip(finalShape, mults)])

    zoomMultipliers = np.array(tempShape) / np.array(inShape) + 0.0000001
    rescaled = zoom(inArray, zoomMultipliers, **zoomKwargs)

    for ind, mult in enumerate(mults):
        if mult != 1:
            sh = list(rescaled.shape)
            assert sh[ind] % mult == 0
            newshape = sh[:ind] + [sh[ind] / mult, mult] + sh[ind+1:]
            rescaled.shape = newshape
            rescaled = np.mean(rescaled, axis = ind+1)
    assert rescaled.shape == finalShape

    if sameSum:
        extraSize = np.prod(finalShape) / np.prod(inShape)
        rescaled /= extraSize
    return rescaled

【讨论】：