Python tf.image.resize用法及代码示例

使用指定的 method 将 images 的大小调整为 size。

用法

tf.image.resize(
    images, size, method=ResizeMethod.BILINEAR, preserve_aspect_ratio=False,
    antialias=False, name=None
)

如果原始纵横比与 size 不同，调整大小的图像将失真。为避免失真，请参阅tf.image.resize_with_pad。

image = tf.constant([
 [1,0,0,0,0],
 [0,1,0,0,0],
 [0,0,1,0,0],
 [0,0,0,1,0],
 [0,0,0,0,1],
])
# Add "batch" and "channels" dimensions
image = image[tf.newaxis, ..., tf.newaxis]
image.shape.as_list()  # [batch, height, width, channels]
[1, 5, 5, 1]
tf.image.resize(image, [3,5])[0,...,0].numpy()
array([[0.6666667, 0.3333333, 0.       , 0.       , 0.       ],
       [0.       , 0.       , 1.       , 0.       , 0.       ],
       [0.       , 0.       , 0.       , 0.3333335, 0.6666665]],
      dtype=float32)

它同样适用于单个图像而不是一批图像：

tf.image.resize(image[0], [3,5]).shape.as_list()
[3, 5, 1]

当antialias 为真时，采样滤波器将对输入图像进行抗锯齿以及插值。当使用抗锯齿对图像进行下采样时，采样滤波器内核被缩放，以便正确地对输入图像信号进行抗锯齿处理。 antialias 对图像进行上采样时无效：

a = tf.image.resize(image, [5,10])
b = tf.image.resize(image, [5,10], antialias=True)
tf.reduce_max(abs(a - b)).numpy()
0.0

method 参数需要来自 image.ResizeMethod 枚举或等效字符串的项目。选项包括：

• bilinear:双线性插值。如果antialias为真，在下采样时成为半径为 1 的帽子/帐篷过滤器函数。
• lanczos3：半径为 3 的 Lanczos 内核。高质量的实用滤波器，但可能有一些振铃，尤其是在合成图像上。
• lanczos5:Lanczos 内核，半径为 5。Very-high-quality 过滤器，但可能有更强的振铃。
• bicubic：键的三次插值。等效于Catmull-Rom 内核。质量相当好，比 Lanczos3Kernel 更快，尤其是在上采样时。
• gaussian：半径为 3 的高斯核，sigma = 1.5 /3.0。
• nearest:最近邻插值。antialias与最近邻插值一起使用时无效。
• area：使用区域插值进行抗锯齿重采样。antialias与区域插值一起使用时无效；它总是抗锯齿。
• mitchellcubic:Mitchell-Netravali 三次非插值滤波器。对于合成图像(尤其是那些缺乏适当预过滤的图像)，振铃比 Keys 三次核少，但不那么锐利。

注意：在图像边附近，过滤内核可能部分位于图像边界之外。对于这些像素，只有图像内部的输入像素会被包含在滤波器总和中，并且输出值会被适当地归一化。

返回值的类型为 float32 ，除非 method 是 ResizeMethod.NEAREST_NEIGHBOR ，否则返回 dtype 是 images 的dtype：

nn = tf.image.resize(image, [5,7], method='nearest')
nn[0,...,0].numpy()
array([[1, 0, 0, 0, 0, 0, 0],
       [0, 1, 1, 0, 0, 0, 0],
       [0, 0, 0, 1, 0, 0, 0],
       [0, 0, 0, 0, 1, 1, 0],
       [0, 0, 0, 0, 0, 0, 1]], dtype=int32)

使用 preserve_aspect_ratio=True 可以保留纵横比，因此 size 是每个维度的最大值：

max_10_20 = tf.image.resize(image, [10,20], preserve_aspect_ratio=True)
max_10_20.shape.as_list()
[1, 10, 10, 1]