当前位置: 首页>>代码示例 >>用法及示例精选 >>正文


Python cucim.skimage.transform.resize用法及代码示例


用法:

cucim.skimage.transform.resize(image, output_shape, order=None, mode='reflect', cval=0, clip=True, preserve_range=False, anti_aliasing=None, anti_aliasing_sigma=None)

调整图像大小以匹配特定大小。

对up-size 或down-size N 维图像执行插值。请注意,当down-sizing 图像时应启用抗锯齿以避免锯齿伪影。有关使用整数因子的下采样,另请参阅 skimage.transform.downscale_local_mean

参数

imagendarray

输入图像。

output_shape元组或 ndarray

生成的输出图像的大小 (rows, cols[, …][, dim]) 。如果未提供dim,则保留通道数。如果输入通道的数量不等于输出通道的数量,则应用 n 维插值。

返回

resizedndarray

输入的调整大小的版本。

其他参数

order整数,可选

样条插值的顺序,如果 image.dtype 为 bool,则默认为 0,否则为 1。顺序必须在 0-5 范围内。有关详细信息,请参阅skimage.transform.warp

mode{‘constant’, ‘edge’, ‘symmetric’, ‘reflect’, ‘wrap’},可选

根据给定的模式填充输入边界之外的点。模式与 numpy.pad 的行为匹配。

cval浮点数,可选

与模式‘constant’(图像边界外的值)结合使用。

clip布尔型,可选

是否将输出裁剪到输入图像的值范围内。这是默认启用的,因为高阶插值可能会产生超出给定输入范围的值。

preserve_range布尔型,可选

是否保持原来的取值范围。否则,输入图像将根据 img_as_float 的约定进行转换。另见https://scikit-image.org/docs/dev/user_guide/data_types.html

anti_aliasing布尔型,可选

是否应用高斯滤波器来平滑down-scaling 之前的图像。在对图像进行下采样时进行过滤以避免混叠伪影至关重要。如果输入图像数据类型为 bool,则不应用抗锯齿。

anti_aliasing_sigma{浮点数,浮点数元组},可选

高斯滤波的标准偏差,以避免混叠伪影。默认情况下,此值选择为 (s - 1) /2,其中 s 是 down-scaling 因子,其中 s > 1。对于 up-size 情况,s < 1,在重新缩放之前不执行抗锯齿。

注意

模式‘reflect’ and ‘symmetric’ 类似,但在反射期间边像素是否重复上有所不同。例如,如果一个数组的值是 [0, 1, 2] 并且使用对称的方法向右填充了四个值,则结果将是 [0, 1, 2, 2, 1, 0, 0],而对于反映它将是 [0, 1, 2, 1, 0, 1, 2]。

例子

>>> from skimage import data
>>> from cucim.skimage.transform import resize
>>> image = cp.array(data.camera())
>>> resize(image, (100, 100)).shape
(100, 100)

相关用法


注:本文由纯净天空筛选整理自rapids.ai大神的英文原创作品 cucim.skimage.transform.resize。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。