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：

image：ndarray: 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。

resized：ndarray: 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。

用法:

参数：

返回：

其他参数：

注意：

例子：