导航：首页 > 互联网科技 >

Python中怎样调整图像大小

发表于：2024-11-18 作者：千家信息网编辑

千家信息网最后更新 2024年11月18日，今天就跟大家聊聊有关Python中怎样调整图像大小，可能很多人都不太了解，为了让大家更加了解，小编给大家总结了以下内容，希望大家根据这篇文章可以有所收获。创建图像在这个例子中，我们将创建我们自己的图像

千家信息网最后更新 2024年11月18日Python中怎样调整图像大小

今天就跟大家聊聊有关Python中怎样调整图像大小，可能很多人都不太了解，为了让大家更加了解，小编给大家总结了以下内容，希望大家根据这篇文章可以有所收获。

创建图像

在这个例子中，我们将创建我们自己的图像，而不是找到一个真正的图像来操纵。

为什么？事实上，创造图像是一个很好的方式来说明一个图像实际上是什么。这个调整大小的程序在Instagram上也同样适用。

那么，什么是图像？在Python数据术语中，图像是int元组的列表。

image = list[list[tuple[*int, float]]]

NumPy的定义是一个二维形状数组 (h, w, 4)，其中h表示高的像素数（上下），w表示宽的像素数（从左到右）。

换句话说，图像是像素列表（行）的列表（整个图像）。每个像素由3个整数和1个可选浮点数组成：红色通道、绿色通道、蓝色通道、alpha（浮点可选）。红色、绿色、蓝色通道（RGB）的值从0到255。

从现在开始，我们将讨论没有alpha通道的彩色图像，以保持简单。Alpha是像素的透明度。图像也只能有一个值从0到255的通道。这就是灰度图像，也就是黑白图像。在这里我们使用彩色图像！

import matplotlib as pltpixel: tuple = (200, 100, 150)plt.imshow([[list(pixel)]])

用纯Python制作图像

Python完全能够创建图像。要显示它，我将使用matplotlib库，你可以使用它安装：

pip install matplotlib

创建像素：

from dataclasses import dataclass@dataclassclass Pixel:  red: int  green: int  blue: int  # alpha: float = 1        pixel = Pixel(255,0,0)pixel# returns: # Pixel(red=255, green=0, blue=0, alpha=1)

创建图像：

from __future__ import annotationsfrom dataclasses import dataclass, astuplefrom itertools import cyclefrom typing import Listimport matplotlib.pyplot as pltimport matplotlib.image as mpimg@dataclassclass Pixel:  red: int  green: int  blue: int  # alpha: float = 1pixel = Pixel(255,0,0)pixelmarigold: Pixel = Pixel(234,162,33)red: Pixel = Pixel(255,0,0)Image = List[List[Pixel]]def create_image(*colors: Pixel, blocksize: int = 10, squaresize: int = 9) -> Image:  """ 用可配置的像素块制作一个正方形图像(宽度和高度相同).  Args:      colors (Pixel): 可迭代的颜色呈现顺序的参数。      blocksize (int, optional): [description]. 默认10.      squaresize (int, optional): [description]. 默认9.  Returns:      Image: 一幅漂亮的正方形图片!  """  img: list = []  colors = cycle(colors)  for row in range(squaresize):    row: list = []    for col in range(squaresize):      color = next(colors) # 设置颜色      for _ in range(blocksize):        values: list[int] = list(astuple(color))        row.append(values)    [img.append(row) for _ in range(squaresize)] # 创建行高  return imgif __name__ == '__main__':  image = create_image(marigold, red)  plt.imshow(image)

这就是渲染的图像。在背后，数据是这样的：

[[[234, 162, 33],  [234, 162, 33],  [234, 162, 33],  [234, 162, 33],  [234, 162, 33],  [234, 162, 33],  [234, 162, 33],  [234, 162, 33],  [234, 162, 33],  [234, 162, 33],  [255, 0, 0],  [255, 0, 0],  [255, 0, 0],  [255, 0, 0],  [255, 0, 0],  [255, 0, 0],  [255, 0, 0],  [255, 0, 0],  [255, 0, 0],  [255, 0, 0],  [234, 162, 33],  ...

现在我们有了一个图像，让我们调整它的大小！

在Python中调整大小

在Python中编写调整图像大小的算法实际上有很多的工作量。

在图像处理算法中有很多内容，有些人为此贡献了十分多的工作。例如重采样--在缩小后的图像中使用一个像素来代表周围的高分辨率像素。图像处理是一个巨大的话题。如果你想亲眼看看，看看Pillow的Image.py，它在路径path/to/site-packages/PIL中。

这中间还有一些优化，比如抗锯齿和减少间隙…这里的内容非常多。我们是站在巨人的肩膀上，可以用一行代码来解决我们的问题。

如果你有兴趣了解更多有关处理图像时幕后发生的事情，我鼓励你更多地查看"机器视觉"主题！这绝对是一个蓬勃发展的领域。
做得足够好，就会有很多公司愿意为你的计算机视觉专业知识付出最高的代价。自动驾驶，IOT，监视，你命名它；所有基本上依赖于处理图片（通常在Python或C++）。
一个很好的起点是查看scikit image。

OpenCV

OpenCV可以用来作图像处理。他使用C++编写并移植到了Python

import cv2def resize(fp: str, scale: Union[float, int]) -> np.ndarray:    """ 调整图像大小，保持其比例    Args:        fp (str): 图像文件的路径参数        scale (Union[float, int]): 百分比作为参数。如：53    Returns:        image (np.ndarray): 按比例缩小的图片    """        _scale = lambda dim, s: int(dim * s / 100)    im: np.ndarray = cv2.imread(fp)    width, height, channels = im.shape    new_width: int = _scale(width, scale)    new_height: int = _scale(height, scale)    new_dim: tuple = (new_width, new_height)    return cv2.resize(src=im, dsize=new_dim, interpolation=cv2.INTER_LINEAR)

interpolation参数的选项是cv2包中提供的flags之一：

INTER_NEAREST - 近邻插值INTER_LINEAR - 双线性插值(默认使用)INTER_AREA - 利用像素区域关系重新采样。它可能是图像抽取的首选方法。但是当图像被缩放时，它类似于INTER_NEAREST方法。INTER_CUBIC - 一个大于4×4像素邻域的双三次插值INTER_LANCZOS4 - 一个大于8×8像素邻域的Lanczos插值

返回后：

resized = resize("checkers.jpg", 50)print(resized.shape)plt.imshow(resized) # 也可以使用 cv2.imshow("name", image)

它做了我们所期望的。图像从900像素高，900像素宽，到450×450（仍然有三个颜色通道）。因为Jupyter Lab的matplotlib着色，上面的屏幕截图看起来不太好。

Pillow

pillow库在Image类上有一个调整大小的方法。它的参数是：

size: (width, height)resample: 默认为BICUBIC. 重采样算法需要的参数。box: 默认为None。为一个4元组，定义了在参数(0,0，宽度，高度)内工作的图像矩形。reducing_gap: 默认为None。重新采样优化算法，使输出看起来更好。

以下是函数：

from PIL import Imagedef resize(fp: str, scale: Union[float, int]) -> np.ndarray:    """ 调整图像大小，保持其比例    Args:        fp (str): 图像文件的路径参数        scale (Union[float, int]): 百分比作为参数。如：53    Returns:        image (np.ndarray): 按比例缩小的图片    """    _scale = lambda dim, s: int(dim * s / 100)    im = Image.open(fp)    width, height = im.size    new_width: int = _scale(width, scale)    new_height: int = _scale(height, scale)    new_dim: tuple = (new_width, new_height)    return im.resize(new_dim)

使用Pillow 的函数与OpenCV非常相似。唯一的区别是PIL.Image.Image类具有用于访问图像（宽度、高度）的属性大小。

结果是：

resized = resize("checkers.jpg", 30.5)print(resized.size)resized.show("resized image", resized)

请注意show方法如何打开操作系统的默认程序以查看图像的文件类型。

创建命令行程序

现在我们有了一个调整图像大小的函数，现在是时候让它有一个运行调整大小的用户界面了。

调整一个图像的大小是可以的。但我们希望能够批量处理图像。

我们将要构建的接口将是最简单的接口：命令行实用程序。

Pallets项目是Flask背后的天才社区，是一个Jinja模板引擎：Click(https://click.palletsprojects.com/en/7.x/。)

pip install click

Click是一个用于制作命令行程序的库。这比使用普通的argparse或在if __name__ == '__main__':中启动一些if-then逻辑要好得多。所以，我们将使用Click来装饰我们的图像调整器。

下面是从命令行调整图像大小的完整脚本！

""" resize.py"""from __future__ import annotationsimport osimport globfrom pathlib import Pathimport sysimport clickfrom PIL import Image"""文档:    https://pillow.readthedocs.io/en/5.1.x/handbook/image-file-formats.html"""SUPPORTED_FILE_TYPES: list[str] = [".jpg", ".png"]def name_file(fp: Path, suffix) -> str:    return f"{fp.stem}{suffix}{fp.suffix}"def resize(fp: str, scale: Union[float, int]) -> Image:    """ 调整图像大小，保持其比例    Args:        fp (str): 图像文件的路径参数        scale (Union[float, int]): 百分比作为参数。如：53    Returns:        image (np.ndarray): 按比例缩小的图片    """    _scale = lambda dim, s: int(dim * s / 100)    im: PIL.Image.Image = Image.open(fp)    width, height = im.size    new_width: int = _scale(width, scale)    new_height: int = _scale(height, scale)    new_dim: tuple = (new_width, new_height)    return im.resize(new_dim)@click.command()@click.option("-p", "--pattern")@click.option("-s", "--scale", default=50, help="Percent as whole number to scale. eg. 40")@click.option("-q", "--quiet", default=False, is_flag=True, help="Suppresses stdout.")def main(pattern: str, scale: int, quiet: bool):    for image in (images := Path().glob(pattern)):        if image.suffix not in SUPPORTED_FILE_TYPES:            continue        im = resize(image, scale)        nw, nh = im.size        suffix: str = f"_{scale}_{nw}x{nh}"        resize_name: str = name_file(image, suffix)        _dir: Path = image.absolute().parent        im.save(_dir / resize_name)        if not quiet:            print(                f"resized image saved to {resize_name}.")    if images == []:        print(f"No images found at search pattern '{pattern}'.")        returnif __name__ == '__main__':    main()

命令行程序从入口点函数main运行。参数通过传递给click.option选项：

pattern采用字符串形式来定位与脚本运行的目录相关的一个或多个图像。--pattern="../catpics/*.png将向上一级查找catpics文件夹，并返回该文件夹中具有.png图像扩展名的所有文件。
scale接受一个数字、浮点或整数，并将其传递给resize函数。这个脚本很简单，没有数据验证。如果你添加到代码中，检查比例是一个介于5和99之间的数字（合理的缩小比例参数）。你可以通过-s "chicken nuggets"进行设置。
如果不希望在程序运行时将文本输出到标准流，则quiet是一个选项参数。

从命令行运行程序：

python resize.py -s 35 -p "./*jpg"

结果：

$ py resize.py -p "checkers.jpg" -s 90resized image saved to checkers_90_810x810.jpg.

正在检查文件夹：

$ ls -lh checkers*-rw-r--r-- 1 nicho 197609 362K Aug 15 13:13 checkers.jpg-rw-r--r-- 1 nicho 197609 231K Aug 15 23:56 checkers_90_810x810.jpg

不错！所以程序缩小了图像，给了它一个描述性的标签，我们可以看到文件大小从362KB到231KB！

为了查看程序同时处理多个文件，我们将再次运行它：

$ py resize.py --pattern="checkers*" --scale=20resized image saved to checkers_20_180x180.jpg.resized image saved to checkers_90_810x810_20_162x162.jpg.

文件系统输出：

$ ll -h checkers*-rw-r--r-- 1 nicho 197609 362K Aug 15 13:13 checkers.jpg-rw-r--r-- 1 nicho 197609 1.8K Aug 16 00:23 checkers_20_180x180.jpg-rw-r--r-- 1 nicho 197609 231K Aug 15 23:56 checkers_90_810x810.jpg-rw-r--r-- 1 nicho 197609 1.8K Aug 16 00:23 checkers_90_810x810_20_162x162.jpg

只要匹配到了模式，递归可以处理任意数量的图像。

Click

Click 是一个神奇的工具。它可以包装一个函数并在一个模块中以"正常的方式"从一个if __name__ == '__main__'语句运行。（实际上，它甚至不需要这样做；你只需定义和装饰要运行的函数即可），但它真正的亮点在于将脚本作为包安装。

这是通过Python附带的setuptools库完成的。

这是我的setup.py.

from setuptools import setupsetup(    name='resize',    version='0.0.1',    py_modules=['resize'],    install_requires=[        'click',        'pillow',    ],    entry_points='''        [console_scripts]        resize=resize:main    ''')

使用以下命令生成可执行文件/包装包：