python 图片自定义缩放 只用numpy

可以使用numpy中的ndarray的切片和reshape等方法来实现图片的自定义缩放。示例代码如下：

import numpy as np

def resize_img(img, scale):
    # 获取原始图片的宽度和高度
    h, w = img.shape[:2]
    # 计算缩放后的宽度和高度
    new_w, new_h = int(w * scale), int(h * scale)
    # 使用reshape方法将ndarray转换为三维数组
    img_reshape = img.reshape((h, w, -1))
    # 使用切片方法进行缩放
    new_img = img_reshape[::int(1/scale), ::int(1/scale), :]
    # 将缩放后的ndarray转换为二维数组
    new_img = new_img.reshape((new_h, new_w, -1))
    return new_img

其中，img为原始图片的numpy数组，scale为缩放比例。函数返回缩放后的图片的numpy数组。

相关问题

python 图片自定义缩放 函数 只用numpy

可以使用numpy中的resize函数来实现图片的自定义缩放。示例代码如下：

import numpy as np

def resize_img(img, scale):
    # 获取原始图片的宽度和高度
    h, w = img.shape[:2]
    # 计算缩放后的宽度和高度
    new_w, new_h = int(w * scale), int(h * scale)
    # 使用resize函数进行缩放
    new_img = np.resize(img, (new_h, new_w, img.shape[2]))
    return new_img

其中，img为原始图片的numpy数组，scale为缩放比例。函数返回缩放后的图片的numpy数组。

python 图片自定义缩放函数 只用numpy

下面是一个基于numpy的图片自定义缩放函数的示例代码：

import numpy as np
from PIL import Image

def resize(image, size):
    # 获取原始图片的宽度和高度
    width, height = image.shape[:2]

    # 计算缩放比例
    ratio_w = size[0] / width
    ratio_h = size[1] / height

    # 创建新图片的数组
    new_image = np.zeros((size[1], size[0], 3), dtype=np.uint8)

    # 遍历新图片的每个像素
    for y in range(size[1]):
        for x in range(size[0]):
            # 计算原始图片上对应的像素位置
            src_x = int(x / ratio_w)
            src_y = int(y / ratio_h)

            # 处理边界情况
            if src_x >= width:
                src_x = width - 1
            if src_y >= height:
                src_y = height - 1

            # 获取原始像素的颜色值并赋值给新图片
            new_image[y, x] = image[src_y, src_x]

    return new_image

# 加载原始图片
image = np.array(Image.open('test.jpg'))

# 缩放图片
new_image = resize(image, (400, 300))

# 保存新图片
Image.fromarray(new_image).save('test_resized.jpg')

该函数接受两个参数，第一个是原始图片的numpy数组，第二个是缩放后的大小。函数会先计算缩放比例，然后遍历新图片的每个像素，计算出原始图片上对应的像素位置，最后将原始像素的颜色值赋值给新图片。需要注意的是，这里假设原始图片的颜色模式为RGB，因此新图片的第三个维度为3。如果原始图片的颜色模式不同，需要修改代码中的颜色值赋值部分。