new_img = oriimg.resize((size,size), Image.ANTIALIAS)AttributeError: module 'PIL.Image' has no attribute 'ANTIALIAS'

在使用`PIL`库的`Image`模块对图片进行.resize()操作时，你遇到了一个`AttributeError`。这个错误是因为`ANTIALIAS`并不是`Image`模块的一个属性，而是`Image`模块中`NEAREST`、`BILINEAR`、`BICUBIC`、`ANTIALIAS`等滤镜类型之一。

在新版本的`Pillow`（PIL的一个分支），`ANTIALIAS`已经被重命名为`LANCZOS`，并且它被用作图像缩放的高质量滤镜。要修复你的代码，你应该将`ANTIALIAS`替换为`LANCZOS`，如下所示：

from PIL import Image

# 假设 oriimg 是已经加载的图像对象
new_img = oriimg.resize((size, size), Image.LANCZOS)

这样修改后，你的代码应该能够正常运行。使用`LANCZOS`滤镜通常会得到质量较好的图像缩放效果，尤其是在缩小图像时。

相关问题

def Predict(self, img): """ get class mask of image """ h_ori, w_ori = img.shape[:2] input_size = self.net.input_info["image"].input_data.shape h_resize, w_resize = input_size[-2:] img_pil = Image.fromarray(img) img_resize = img_pil.resize( (w_resize, h_resize), resample=BICUBIC) img_np = np.asarray(img_resize) / 255 # normalize # model input [1, 1, h, w] img_np = np.expand_dims(np.expand_dims(img_np, axis=0), axis=0) input = {'image': img_np} res = self.net.infer(inputs=input) output = res["mask"].squeeze(0) probs = softmax(output) mask = Image.fromarray(np.argmax(probs, axis=0).astype(np.uint8)) mask = mask.resize((w_ori, h_ori), resample=NEAREST) mask_np = np.asarray(mask) return mask_np

这段代码实现了一个神经网络模型对输入的图片进行分割（Semantic Segmentation），返回每个像素点所属的类别。具体来说，该方法的输入是一张图片（img），包含了该图片的高度（h_ori）和宽度（w_ori）。该方法首先将图片进行缩放以符合模型的输入要求（h_resize和w_resize），然后将像素值归一化到 [0, 1] 的范围内。接下来，将归一化后的图片转换为模型的输入格式（[1, 1, h, w]），并进行推理，得到模型的输出（output）。然后，将输出进行 softmax 操作，并将每个像素点归类为概率最大的类别。最后，将归类后的结果进行缩放以符合原始图片的大小（h_ori和w_ori），并将其转换为 numpy 数组的形式，作为该方法的返回值（mask_np）。

规范代码：读取数据源表格 ori_excel = openpyxl.load_workbook(ori_excel_path) ori_sheet = ori_excel.active rows = ori_sheet.max_row cols = ori_sheet.max_column 加载公式解析器 from transformers import AutoTokenizer tokenizer = AutoTokenizer.from_pretrained("microsoft/CodeGPT-small-py") 遍历每一行 for r in range(2, rows + 1): info = {} # 定义一个字典用来存放数据 mould_excel = openpyxl.load_workbook(mould_excel_path) mould_sheet = mould_excel.active # 遍历每一列 for c in range(1, cols + 1): # 如果标题栏和单元格内有内容 ori_cell_value = ori_sheet.cell(1, c).value cell_value = ori_sheet.cell(r, c).value if ori_cell_value and cell_value: # 获取单元格数据类型和值 data_type = ori_sheet.cell(r, c).data_type value = cell_value # 如果单元格内是函数公式，则运算后写入 if data_type == 'f': # 公式解析 tokens = [str(token.value) if token.type == Token.NUMBER else repr(token.value) for token in tokenizer.parse(value)] # 运算 result = calculate(tokens) # 写入结果 mould_sheet.cell(row=r, column=c).value = result else: # 直接写入值 mould_sheet.cell(row=r, column=c).value = value # 将计算结果写入到模板表格 if data_type == 'f': mould_sheet.cell(row=r, column=c, value=result) else: mould_sheet.cell(row=r, column=c, value=value) else: # 如果单元格内不是函数公式，则直接写入 info[ori_cell_value] = cell_value mould_sheet.cell(row=r, column=c, value=cell_value)

下面是规范化后的代码：

import openpyxl
from transformers import AutoTokenizer

# 读取数据源表格
ori_excel = openpyxl.load_workbook(ori_excel_path)
ori_sheet = ori_excel.active
rows = ori_sheet.max_row
cols = ori_sheet.max_column

# 加载公式解析器
tokenizer = AutoTokenizer.from_pretrained("microsoft/CodeGPT-small-py")

# 遍历每一行
for r in range(2, rows + 1):
    info = {}
    # 定义一个字典用来存放数据
    mould_excel = openpyxl.load_workbook(mould_excel_path)
    mould_sheet = mould_excel.active
    # 遍历每一列
    for c in range(1, cols + 1):
        # 如果标题栏和单元格内有内容
        ori_cell_value = ori_sheet.cell(1, c).value
        cell_value = ori_sheet.cell(r, c).value
        if ori_cell_value and cell_value:
            # 获取单元格数据类型和值
            data_type = ori_sheet.cell(r, c).data_type
            value = cell_value
            # 如果单元格内是函数公式，则运算后写入
            if data_type == 'f':
                # 公式解析
                tokens = [str(token.value) if token.type == Token.NUMBER else repr(token.value) for token in tokenizer.parse(value)]
                # 运算
                result = calculate(tokens)
                # 写入结果
                mould_sheet.cell(row=r, column=c).value = result
            else:
                # 直接写入值
                mould_sheet.cell(row=r, column=c).value = value
            # 将计算结果写入到模板表格
            if data_type == 'f':
                mould_sheet.cell(row=r, column=c, value=result)
            else:
                mould_sheet.cell(row=r, column=c, value=value)
        else:
            # 如果单元格内不是函数公式，则直接写入
            info[ori_cell_value] = cell_value
            mould_sheet.cell(row=r, column=c, value=cell_value)