Python tf.image.resize用法及代碼示例

使用指定的 method 將 images 的大小調整為 size。

用法

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

如果原始縱橫比與 size 不同，調整大小的圖像將失真。為避免失真，請參閱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)

它同樣適用於單個圖像而不是一批圖像：

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

當antialias 為真時，采樣濾波器將對輸入圖像進行抗鋸齒以及插值。當使用抗鋸齒對圖像進行下采樣時，采樣濾波器內核被縮放，以便正確地對輸入圖像信號進行抗鋸齒處理。 antialias 對圖像進行上采樣時無效：

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 參數需要來自 image.ResizeMethod 枚舉或等效字符串的項目。選項包括：

• bilinear:雙線性插值。如果antialias為真，在下采樣時成為半徑為 1 的帽子/帳篷過濾器函數。
• lanczos3：半徑為 3 的 Lanczos 內核。高質量的實用濾波器，但可能有一些振鈴，尤其是在合成圖像上。
• lanczos5:Lanczos 內核，半徑為 5。Very-high-quality 過濾器，但可能有更強的振鈴。
• bicubic：鍵的三次插值。等效於Catmull-Rom 內核。質量相當好，比 Lanczos3Kernel 更快，尤其是在上采樣時。
• gaussian：半徑為 3 的高斯核，sigma = 1.5 /3.0。
• nearest:最近鄰插值。antialias與最近鄰插值一起使用時無效。
• area：使用區域插值進行抗鋸齒重采樣。antialias與區域插值一起使用時無效；它總是抗鋸齒。
• mitchellcubic:Mitchell-Netravali 三次非插值濾波器。對於合成圖像(尤其是那些缺乏適當預過濾的圖像)，振鈴比 Keys 三次核少，但不那麽銳利。

注意：在圖像邊附近，過濾內核可能部分位於圖像邊界之外。對於這些像素，隻有圖像內部的輸入像素會被包含在濾波器總和中，並且輸出值會被適當地歸一化。

返回值的類型為 float32 ，除非 method 是 ResizeMethod.NEAREST_NEIGHBOR ，否則返回 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 可以保留縱橫比，因此 size 是每個維度的最大值：

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