
- Mahotas 教程
- Mahotas - 首页
- Mahotas - 简介
- Mahotas - 计算机视觉
- Mahotas - 历史
- Mahotas - 特性
- Mahotas - 安装
- Mahotas 处理图像
- Mahotas - 处理图像
- Mahotas - 加载图像
- Mahotas - 加载灰度图像
- Mahotas - 显示图像
- Mahotas - 显示图像形状
- Mahotas - 保存图像
- Mahotas - 图像的质心
- Mahotas - 图像卷积
- Mahotas - 创建 RGB 图像
- Mahotas - 图像的欧拉数
- Mahotas - 图像中零的比例
- Mahotas - 获取图像矩
- Mahotas - 图像中的局部最大值
- Mahotas - 图像椭圆轴
- Mahotas - 图像拉伸 RGB
- Mahotas 颜色空间转换
- Mahotas - 颜色空间转换
- Mahotas - RGB 到灰度转换
- Mahotas - RGB 到 LAB 转换
- Mahotas - RGB 到 Sepia 转换
- Mahotas - RGB 到 XYZ 转换
- Mahotas - XYZ 到 LAB 转换
- Mahotas - XYZ 到 RGB 转换
- Mahotas - 增加伽马校正
- Mahotas - 拉伸伽马校正
- Mahotas 标记图像函数
- Mahotas - 标记图像函数
- Mahotas - 标记图像
- Mahotas - 过滤区域
- Mahotas - 边界像素
- Mahotas - 形态学操作
- Mahotas - 形态学算子
- Mahotas - 查找图像均值
- Mahotas - 裁剪图像
- Mahotas - 图像的偏心率
- Mahotas - 图像叠加
- Mahotas - 图像的圆度
- Mahotas - 图像缩放
- Mahotas - 图像直方图
- Mahotas - 膨胀图像
- Mahotas - 腐蚀图像
- Mahotas - 分水岭算法
- Mahotas - 图像开运算
- Mahotas - 图像闭运算
- Mahotas - 填充图像孔洞
- Mahotas - 条件膨胀图像
- Mahotas - 条件腐蚀图像
- Mahotas - 图像条件分水岭
- Mahotas - 图像中的局部最小值
- Mahotas - 图像区域最大值
- Mahotas - 图像区域最小值
- Mahotas - 高级概念
- Mahotas - 图像阈值化
- Mahotas - 设置阈值
- Mahotas - 软阈值
- Mahotas - Bernsen 局部阈值化
- Mahotas - 小波变换
- 创建图像小波中心
- Mahotas - 距离变换
- Mahotas - 多边形工具
- Mahotas - 局部二值模式
- 阈值邻域统计
- Mahotas - Haralick 特征
- 标记区域的权重
- Mahotas - Zernike 特征
- Mahotas - Zernike 矩
- Mahotas - 排序滤波器
- Mahotas - 2D 拉普拉斯滤波器
- Mahotas - 多数滤波器
- Mahotas - 均值滤波器
- Mahotas - 中值滤波器
- Mahotas - Otsu 方法
- Mahotas - 高斯滤波
- Mahotas - 击中或错过变换
- Mahotas - 标记最大数组
- Mahotas - 图像的平均值
- Mahotas - SURF 密集点
- Mahotas - SURF 积分
- Mahotas - Haar 变换
- 突出显示图像最大值
- 计算线性二值模式
- 获取标签的边界
- 反转 Haar 变换
- Riddler-Calvard 方法
- 标记区域的大小
- Mahotas - 模板匹配
- 加速鲁棒特征
- 移除带边界的标签
- Mahotas - Daubechies 小波
- Mahotas - Sobel 边缘检测
Mahotas - 图像缩放
当我们提到调整图像大小的时候,指的是在保持纵横比的同时改变图像的尺寸(宽度和高度)。纵横比指的是图像宽度与高度的比率。调整大小可以使图像变大或变小。
当您调整图像大小时,您正在更改图像中的像素数量,并可能更改内容的视觉表示。
在 Mahotas 中调整图像大小
要在 Mahotas 中调整图像大小,我们可以使用库提供的 imresize() 函数。
此函数使用插值算法调整图像大小,并将调整大小后的图像作为新的 NumPy 数组返回。
插值算法是在调整图像大小或变换图像时用于填充已知像素值之间间隙的方法。它通过考虑相邻像素的值来估计缺失的像素值。
插值有助于在像素之间创建平滑过渡,从而产生连续的图像。
imresiz() 函数
Mahotas 中的 imresize() 函数接受两个参数 - 要调整大小的图像和目标大小作为元组 (new_height, new_width)。它在保持纵横比的同时调整图像大小,并将调整大小后的图像作为新的 NumPy 数组返回。
语法
以下是 mahotas 中 imresize() 函数的基本语法 -
mahotas.imresize(image, nsize, order=3)
其中,
image − 它是您要调整大小的输入图像。
nsize − 它指定输出图像的所需大小。它应该是一个元组 (height, width),表示目标尺寸。
order (可选) − 它确定在调整大小期间使用的插值顺序。它的默认值为 3,对应于双三次插值。
您还可以选择其他插值顺序,例如 0(最近邻)、1(双线性)或 2(二次)。
示例
在以下示例中,我们尝试使用 imresize() 函数将图像调整为特定的宽度和高度 -
import mahotas as mh import numpy as np import matplotlib.pyplot as plt image = mh.imread('sun.png', as_grey = True) print('Size before resizing :'+' '+str(image.size)) print('shape before resizing :'+' '+str(image.shape)) resize=mh.imresize(image,[100,100]) print('Size after resizing :'+' '+str(resize.size)) print('shape after resizing :'+' '+str(resize.shape)) # Create a figure with subplots fig, axes = plt.subplots(1, 2, figsize=(7,5 )) # Display the original image axes[0].imshow(image) axes[0].set_title('Original Image') axes[0].axis('off') # Display the resized image axes[1].imshow(resize, cmap='gray') axes[1].set_title('Resized Image') axes[1].axis('off') # Adjust the layout and display the plot plt.tight_layout() plt.show()
输出
执行上述代码后,我们得到以下输出 -
Size before resizing : 1079040 shape before resizing : (1280, 843) Size after resizing : 10000 shape after resizing : (100, 100)
获得的图像如下所示 -

使用双线性插值
双线性插值是一种常用用于图像缩放的插值算法。它通过考虑四个最近邻像素的加权平均值来估计新的像素值。
这四个像素围绕目标像素形成一个正方形,它们的值有助于确定新的像素值。
要在 mahotas 中使用双线性插值调整图像大小,我们需要在 imresize() 函数中将插值顺序指定为 1。
示例
在这里,我们尝试使用双线性插值调整图像大小 -
import mahotas as mh image = mh.imread("nature.jpeg", as_grey = True) # Specifying the desired width and height new_width = 800 new_height = 600 # Resizing the image using nearest-neighbor interpolation resized_image = mh.imresize(image, [new_height, new_width], 1) print(resized_image)
输出
获得的输出如下 -
[[193.71 193.71 193.71 ... 208.17 208.17 0. ] [193.71 193.71 193.71 ... 208.17 208.17 0. ] [193.71 193.71 193.71 ... 208.17 208.17 0. ] ... [ 98.49 98.49 95.49 ... 7.11 4.85 0. ] [ 90.05 90.05 94.12 ... 5.33 5.07 0. ] [ 0. 0. 0. ... 0. 0. 0. ]]
使用二次插值
二次插值也是一种常用用于图像缩放的插值算法。它通过考虑附近像素的加权平均值来估计新的像素值。
二次插值在处理曲线或非线性数据时特别有用。
简单来说,它涉及通过三个相邻像素值拟合抛物线,以近似它们之间所需位置的值。
要在 mahotas 中使用二次插值调整图像大小,我们需要在 imresize() 函数中将插值顺序指定为 2。
示例
现在,我们尝试在 mahotas 中使用二次插值调整图像大小 -
import mahotas as mh image = mh.imread("nature.jpeg", as_grey = True) # Resizing the image using nearest-neighbor interpolation resized_image = mh.imresize(image, [700, 550], 2) print(resized_image)
输出
以下是上述代码的输出 -
[[193.71 193.71 193.71 ... 208.17 208.17 0. ] [193.71 193.71 193.71 ... 208.17 208.17 0. ] [193.71 193.71 193.71 ... 208.17 208.17 0. ] ... [ 92.2 93.49 94.12 ... 6.22 6.22 0. ] [ 92.27 98.05 92.42 ... 6.33 4.85 0. ] [ 0. 0. 0. ... 0. 0. 0. ]]