python降低图片分辨率_使用numpy快速降低图像分辨率的Python代码

我首先要说的是，你的“只装箱”方式似乎很不寻常，我想这正是@ljetibo在评论中所指的。在“优化”讨论之后，我将回到这个话题。在

首先，您可以通过去掉对np.copy的多余调用来稍微改进代码，因为您只需将重新绑定到传入的img的视图。ravel操作将返回一个副本，除非图像形状是binning因子bin_fac的倍数。在

现在，虽然列表理解速度很快，但是您正在从一个可能不连续的列表中重新创建一个numpy数组，这意味着您要再次将内存从一个位置复制到另一个位置。这些都是消耗效率的操作。在

您可能感兴趣的是在原始图像上生成一个内存高效的视图。这就是as_strided的作用：from numpy.lib.stride_tricks import as_strided

def strided_rescale(g, bin_fac):

strided = as_strided(g,

shape=(g.shape[0]//bin_fac, g.shape[1]//bin_fac, bin_fac, bin_fac),

strides=((g.strides[0]*bin_fac, g.strides[1]*bin_fac)+g.strides))

return strided.mean(axis=-1).mean(axis=-1) # order is NOT important! See notes..

时序考虑表明，这通常比原始方法快一点，随着装箱因子的增加，性能得到改善：

^{2}$

我相信在数组相等性方面观察到的细微差异是由于复制操作，即从numpy数据类型返回到普通Python浮点，反之亦然。但我不能百分之百肯定。在