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

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值