python图像重采样

在 Python 中重采样图像可以使用 PIL 库中的 resize() 方法或者 OpenCV 库中的 resize() 方法。

使用 PIL 库中的 resize() 方法：

from PIL import Image

# 打开图像
image = Image.open("image.jpg")

# 重采样图像
resized_image = image.resize((new_width, new_height))

# 保存图像
resized_image.save("resized_image.jpg")

其中，new_width 和 new_height 分别为重采样后的图像的宽度和高度。

使用 OpenCV 库中的 resize() 方法：

import cv2

# 读取图像
image = cv2.imread("image.jpg")

# 重采样图像
resized_image = cv2.resize(image, (new_width, new_height))

# 保存图像
cv2.imwrite("resized_image.jpg", resized_image)

同样，new_width 和 new_height 为重采样后的图像的宽度和高度。

相关问题

python如何对超声图像重采样

可以使用scipy库中的interpolate函数对超声图像进行重采样。具体步骤为：首先将超声图像转换为numpy数组，然后使用interpolate函数对数组进行插值，最后将插值后的数组转换回超声图像格式即可。

python重采样图片

要使用Python进行重采样图片，可以使用ArcPy模块。首先，你需要导入arcpy和os模块，并设置工作空间为你的图像文件所在的路径。然后，使用ListRasters函数获取所有的图像文件。接下来，使用循环遍历每个图像，并使用Resample_management函数进行重采样。

下面是一个示例代码：

import arcpy
import os

from arcpy import env

env.workspace = "E:/aaa"  # 设置工作空间

rasters = arcpy.ListRasters("*", "JPG")  # 获取所有的图像文件

for raster in rasters:
    inraster = raster
    outraster = "E:/bbb/re_" + raster  # 设置输出图像的路径和名称
    arcpy.Resample_management(inraster, outraster, "#", "NEAREST")  # 进行重采样

print("All have done")  # 输出完成信息

请注意，上述代码中的路径和文件名需要根据你的实际情况进行修改。此外，重采样方法参数"NEAREST"表示最近邻插值方法，你可以根据需要选择其他插值方法。<span class="em">1</span>
#### 引用[.reference_title]
- *1* [Python图像批处理（图像重采样）](https://blog.csdn.net/suhaorangis/article/details/73527955)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 100%"]
[ .reference_list ]