如何改变图像np数组的大小

在Python中，如果你有一个NumPy数组表示的图像，你可以使用`numpy`库中的函数来调整其大小。主要有两个相关的操作：

1. **缩放** (Resizing): 使用`skimage.transform.resize()`函数来自scikit-image库，它可以保持图片的比例或者指定新的尺寸。

from skimage import transform
import numpy as np

# 假设img_array是一个二维数组表示的图像
new_size = (新宽度, 新高度)
resized_img = transform.resize(img_array, new_size)

2. **裁剪** (Crop) 或 **填充** (Pad): 可以直接通过切片或者使用特定库（如PIL或OpenCV）来进行裁剪或填充操作。

from PIL import Image

# 裁剪
cropped_img = img_array[起始行:结束行, 起始列:结束列]

# 填充
padding_amount = (左 padding, 上 padding, 右 padding, 下 padding)
padded_img = np.pad(img_array, pad_width=padding_amount, mode='constant')

相关问题

选择一幅彩色图像，用NumPy数组创建掩模，在图像中心取出大小为80x120的图像

在Python中，你可以使用PIL库读取彩色图像，然后用NumPy处理这些数据。首先，你需要安装Pillow库，如果还没有安装可以使用`pip install pillow`命令。下面是一个步骤指南：

1. 导入必要的库：

import numpy as np
from PIL import Image

2. 读取彩色图像：

image_path = 'your_image_path.jpg'  # 替换为你图片的实际路径
img = Image.open(image_path)

3. 将图像转换为NumPy数组，并获取其尺寸信息：

array_img = np.array(img)  # 现在img是numpy数组了
width, height = array_img.shape[:2]  # 获取宽度和高度

4. 创建一个中心区域的掩码，大小为80x120：

mask_size = (80, 120)
center_x, center_y = width // 2, height // 2
top_left_x = max(center_x - mask_size[0] // 2, 0)
top_left_y = max(center_y - mask_size[1] // 2, 0)
mask = np.zeros_like(array_img)
mask[top_left_y:top_left_y + mask_size[1], top_left_x:top_left_x + mask_size[0]] = 1

5. 使用掩码提取中心部分的图像：

centered_image = array_img * mask

现在`centered_image`就是你在图像中心取出的大小为80x120的图像。

python裁剪图像数组切片

你可以使用 NumPy 库中的切片操作来裁剪图像数组。以下是一个示例代码：

import numpy as np
from PIL import Image

# 读取图像
img = Image.open('image.jpg')

# 将图像转换为 NumPy 数组
img_array = np.array(img)

# 裁剪图像数组
cropped_array = img_array[100:300, 200:400]  # 从第100行到第300行，从第200列到第400列进行裁剪

# 将裁剪后的数组转换为图像并保存
cropped_img = Image.fromarray(cropped_array)
cropped_img.save('cropped_image.jpg')

这段代码将裁剪原始图像的第100行到第300行，第200列到第400列的部分，并将结果保存为 `cropped_image.jpg`。你可以根据自己的需求修改裁剪的位置和大小。