Python skimage.transform.resize_local_mean用法及代码示例

用法: skimage.transform.resize_local_mean(image, output_shape, grid_mode=True, preserve_range=False, *, channel_axis=None)

使用局部均值/双线性缩放调整数组大小。

参数：

image：ndarray

输入图像。如果这是多通道图像，则应使用 channel_axis 指定通道对应的轴

output_shape：可迭代的

生成的输出图像的大小。什么时候channel_axis不是无，channel_axis应该从output_shape或者output_shape[channel_axis]必须匹配image.shape[channel_axis].如果长度为output_shape超过 image.ndim 额外的单例维度将被附加到输入image如所须。

grid_mode：布尔型，可选

定义image像素位置：如果为真，则假定像素位于网格交叉点，否则位于单元格中心。因此，例如，长度为 5 的一维信号在以下情况下被认为具有长度 4grid_mode为 False，但长度为 5 时grid_mode是真的。请参见以下视觉示例：

| pixel 1 | pixel 2 | pixel 3 | pixel 4 | pixel 5 |
     |<-------------------------------------->|
                        vs.
|<----------------------------------------------->|

上图中箭头的起点对应于每种模式下的坐标位置 0。

preserve_range：布尔型，可选

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

resized：ndarray: 输入的调整大小的版本。

注意：

此方法有时称为“area-based” 插值或“pixel mixing” 插值[1].什么时候grid_mode为 True，相当于使用 OpenCV 的 resize withINTER_AREA插值模式。它通常用于图像缩小。如果缩小因子是整数，那么skimage.transform.downscale_local_mean应该是首选。

参考：

1: http://entropymine.com/imageworsener/pixelmixing/

例子：

>>> from skimage import data
>>> from skimage.transform import resize_local_mean
>>> image = data.camera()
>>> resize_local_mean(image, (100, 100)).shape
(100, 100)

相关用法

注：本文由纯净天空筛选整理自scikit-image.org大神的英文原创作品 skimage.transform.resize_local_mean。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：

注意：

参考：

例子：