Python实现图像降采样

在Python中，我们可以使用各种库来进行图像的降采样操作，比如PIL（Python Imaging Library）或OpenCV。图像降采样的目的是通过减少像素的数量来降低图像的分辨率，这通常用于减少数据量、提高处理速度，或者在显示低清晰度版本的图像时。

以下是使用PIL库的一个简单例子：

from PIL import Image

# 打开图像文件
img = Image.open('input_image.jpg')

# 定义降采样的因子（如2x2表示每边缩小一半）
scale_factor = 2

# 使用resize函数进行降采样
resampled_img = img.resize((img.width // scale_factor, img.height // scale_factor), Image.NEAREST) # 使用NEAREST模式保持原有颜色

# 保存降采样后的图像
resampled_img.save('downsampled_image.jpg')

在这个例子中，`Image.NEAREST`是一种常见的降采样方法，它以最近邻的方式进行插值，保留最接近原点的像素值。还有其他插值方法可供选择，如`BILINEAR`（双线性插值）、`BICUBIC`（三次立方插值），它们可以提供更平滑的结果。

相关问题

python图像批量降采样

可以使用Pillow库来实现Python图像的批量降采样。以下是一个示例代码：

from PIL import Image
import os

input_folder = 'input_folder_path'
output_folder = 'output_folder_path'
size = (500, 500) # 降采样后的大小

for filename in os.listdir(input_folder):
    if filename.endswith('.jpg') or filename.endswith('.png'): # 只处理jpg和png格式的文件
        image = Image.open(os.path.join(input_folder, filename))
        image.thumbnail(size) # 降采样
        image.save(os.path.join(output_folder, filename))

在这个示例中，我们首先指定了输入和输出文件夹的路径，以及降采样后的大小。然后，我们遍历输入文件夹中的所有文件，仅处理jpg和png格式的文件。对于每个文件，我们使用Pillow库中的`Image.open()`函数打开它，然后使用`thumbnail()`函数降采样。最后，我们使用`save()`函数将降采样后的图像保存到输出文件夹中。

python图像降采样

Python中可以使用Pillow库来进行图像降采样。

首先，导入Pillow库：

from PIL import Image

然后，使用open()方法打开图像文件：

img = Image.open('image.jpg')

使用resize()方法进行降采样，指定新的图像大小：

new_size = (img.width//2, img.height//2)
resized_img = img.resize(new_size)

最后，保存降采样后的图像：

resized_img.save('resized_image.jpg')

完整代码如下：

from PIL import Image

img = Image.open('image.jpg')
new_size = (img.width//2, img.height//2)
resized_img = img.resize(new_size)
resized_img.save('resized_image.jpg')