溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這篇文章將為大家詳細講解有關使用Python實現調整圖像大小，文章內容質量較高，因此小編分享給大家做個參考，希望大家閱讀完這篇文章后對相關知識有一定的了解。
創建圖像
在這個例子中，我們將創建我們自己的圖像，而不是找到一個真正的圖像來操縱。
為什么？事實上，創造圖像是一個很好的方式來說明一個圖像實際上是什么。這個調整大小的程序在Instagram上也同樣適用。
那么，什么是圖像？在Python數據術語中，圖像是int元組的列表。
image = list[list[tuple[*int, float]]]
NumPy的定義是一個二維形狀數組 (h, w, 4)，其中h表示高的像素數（上下），w表示寬的像素數（從左到右）。
換句話說，圖像是像素列表（行）的列表（整個圖像）。每個像素由3個整數和1個可選浮點數組成：紅色通道、綠色通道、藍色通道、alpha（浮點可選）。紅色、綠色、藍色通道（RGB）的值從0到255。
從現在開始，我們將討論沒有alpha通道的彩色圖像，以保持簡單。Alpha是像素的透明度。圖像也只能有一個值從0到255的通道。這就是灰度圖像，也就是黑白圖像。在這里我們使用彩色圖像！
import matplotlib as plt pixel: tuple = (200, 100, 150) plt.imshow([[list(pixel)]])
用純Python制作圖像
Python完全能夠創建圖像。要顯示它，我將使用matplotlib庫，你可以使用它安裝：
pip install matplotlib
創建像素：
from dataclasses import dataclass @dataclass class Pixel: red: int green: int blue: int # alpha: float = 1 pixel = Pixel(255,0,0) pixel # returns: # Pixel(red=255, green=0, blue=0, alpha=1)
創建圖像：
from __future__ import annotations
from dataclasses import dataclass, astuple
from itertools import cycle
from typing import List
import matplotlib.pyplot as plt
import matplotlib.image as mpimg
@dataclass
class Pixel:
red: int
green: int
blue: int
# alpha: float = 1
pixel = Pixel(255,0,0)
pixel
marigold: Pixel = Pixel(234,162,33)
red: Pixel = Pixel(255,0,0)
Image = List[List[Pixel]]
def create_image(*colors: Pixel, blocksize: int = 10, squaresize: int = 9) -> Image:
""" 用可配置的像素塊制作一個正方形圖像(寬度和高度相同).
Args:
colors (Pixel): 可迭代的顏色呈現順序的參數。
blocksize (int, optional): [description]. 默認10.
squaresize (int, optional): [description]. 默認9.
Returns:
Image: 一幅漂亮的正方形圖片!
"""
img: list = []
colors = cycle(colors)
for row in range(squaresize):
row: list = []
for col in range(squaresize):
color = next(colors) # 設置顏色
for _ in range(blocksize):
values: list[int] = list(astuple(color))
row.append(values)
[img.append(row) for _ in range(squaresize)] # 創建行高
return img
if __name__ == '__main__':
image = create_image(marigold, red)
plt.imshow(image)
這就是渲染的圖像。在背后，數據是這樣的：
[[[234, 162, 33], [234, 162, 33], [234, 162, 33], [234, 162, 33], [234, 162, 33], [234, 162, 33], [234, 162, 33], [234, 162, 33], [234, 162, 33], [234, 162, 33], [255, 0, 0], [255, 0, 0], [255, 0, 0], [255, 0, 0], [255, 0, 0], [255, 0, 0], [255, 0, 0], [255, 0, 0], [255, 0, 0], [255, 0, 0], [234, 162, 33], ...
在Python中調整大小
在Python中編寫調整圖像大小的算法實際上有很多的工作量。
在圖像處理算法中有很多內容，有些人為此貢獻了十分多的工作。例如重采樣——在縮小后的圖像中使用一個像素來代表周圍的高分辨率像素。圖像處理是一個巨大的話題。如果你想親眼看看，看看Pillow的Image.py，它在路徑path/to/site-packages/PIL中。
這中間還有一些優化，比如抗鋸齒和減少間隙…這里的內容非常多。我們是站在巨人的肩膀上，可以用一行代碼來解決我們的問題。
如果你有興趣了解更多有關處理圖像時幕后發生的事情，我鼓勵你更多地查看“機器視覺”主題！這絕對是一個蓬勃發展的領域。
做得足夠好，就會有很多公司愿意為你的計算機視覺專業知識付出最高的代價。自動駕駛，IOT，監視，你命名它；所有基本上依賴于處理圖片（通常在Python或C++）。
一個很好的起點是查看scikit image。
OpenCV
OpenCV可以用來作圖像處理。他使用C++編寫并移植到了Python
import cv2
def resize(fp: str, scale: Union[float, int]) -> np.ndarray:
""" 調整圖像大小，保持其比例
Args:
fp (str): 圖像文件的路徑參數
scale (Union[float, int]): 百分比作為參數。如：53
Returns:
image (np.ndarray): 按比例縮小的圖片
"""
_scale = lambda dim, s: int(dim * s / 100)
im: np.ndarray = cv2.imread(fp)
width, height, channels = im.shape
new_width: int = _scale(width, scale)
new_height: int = _scale(height, scale)
new_dim: tuple = (new_width, new_height)
return cv2.resize(src=im, dsize=new_dim, interpolation=cv2.INTER_LINEAR)interpolation參數的選項是cv2包中提供的flags之一：
INTER_NEAREST – 近鄰插值
INTER_LINEAR – 雙線性插值(默認使用)
INTER_AREA – 利用像素區域關系重新采樣。它可能是圖像抽取的首選方法。但是當圖像被縮放時，它類似于INTER_NEAREST方法。
INTER_CUBIC – 一個大于4×4像素鄰域的雙三次插值
INTER_LANCZOS4 – 一個大于8×8像素鄰域的Lanczos插值
返回后：
resized = resize("checkers.jpg", 50)
print(resized.shape)
plt.imshow(resized) # 也可以使用 cv2.imshow("name", image)
它做了我們所期望的。圖像從900像素高，900像素寬，到450×450（仍然有三個顏色通道）。因為Jupyter Lab的matplotlib著色，上面的屏幕截圖看起來不太好。
Pillow
pillow庫在Image類上有一個調整大小的方法。它的參數是：
size: (width, height)
resample: 默認為BICUBIC. 重采樣算法需要的參數。
box: 默認為None。為一個4元組，定義了在參數(0,0，寬度，高度)內工作的圖像矩形。
reducing_gap: 默認為None。重新采樣優化算法，使輸出看起來更好。
以下是函數：
from PIL import Image
def resize(fp: str, scale: Union[float, int]) -> np.ndarray:
""" 調整圖像大小，保持其比例
Args:
fp (str): 圖像文件的路徑參數
scale (Union[float, int]): 百分比作為參數。如：53
Returns:
image (np.ndarray): 按比例縮小的圖片
"""
_scale = lambda dim, s: int(dim * s / 100)
im = Image.open(fp)
width, height = im.size
new_width: int = _scale(width, scale)
new_height: int = _scale(height, scale)
new_dim: tuple = (new_width, new_height)
return im.resize(new_dim)使用Pillow 的函數與OpenCV非常相似。唯一的區別是PIL.Image.Image類具有用于訪問圖像（寬度、高度）的屬性大小。
結果是：
resized = resize("checkers.jpg", 30.5)
print(resized.size)
resized.show("resized image", resized)
請注意show方法如何打開操作系統的默認程序以查看圖像的文件類型。
創建命令行程序
現在我們有了一個調整圖像大小的函數，現在是時候讓它有一個運行調整大小的用戶界面了。
調整一個圖像的大小是可以的。但我們希望能夠批量處理圖像。
我們將要構建的接口將是最簡單的接口：命令行實用程序。
Pallets項目是Flask背后的天才社區，是一個Jinja模板引擎：Click(https://click.palletsprojects...。)
pip install click
Click是一個用于制作命令行程序的庫。這比使用普通的argparse或在if __name__ == '__main__':中啟動一些if-then邏輯要好得多。所以，我們將使用Click來裝飾我們的圖像調整器。
下面是從命令行調整圖像大小的完整腳本！
""" resize.py
"""
from __future__ import annotations
import os
import glob
from pathlib import Path
import sys
import click
from PIL import Image
"""
文檔:
https://pillow.readthedocs.io/en/5.1.x/handbook/image-file-formats.html
"""
SUPPORTED_FILE_TYPES: list[str] = [".jpg", ".png"]
def name_file(fp: Path, suffix) -> str:
return f"{fp.stem}{suffix}{fp.suffix}"
def resize(fp: str, scale: Union[float, int]) -> Image:
""" 調整圖像大小，保持其比例
Args:
fp (str): 圖像文件的路徑參數
scale (Union[float, int]): 百分比作為參數。如：53
Returns:
image (np.ndarray): 按比例縮小的圖片
"""
_scale = lambda dim, s: int(dim * s / 100)
im: PIL.Image.Image = Image.open(fp)
width, height = im.size
new_width: int = _scale(width, scale)
new_height: int = _scale(height, scale)
new_dim: tuple = (new_width, new_height)
return im.resize(new_dim)
@click.command()
@click.option("-p", "--pattern")
@click.option("-s", "--scale", default=50, help="Percent as whole number to scale. eg. 40")
@click.option("-q", "--quiet", default=False, is_flag=True, help="Suppresses stdout.")
def main(pattern: str, scale: int, quiet: bool):
for image in (images := Path().glob(pattern)):
if image.suffix not in SUPPORTED_FILE_TYPES:
continue
im = resize(image, scale)
nw, nh = im.size
suffix: str = f"_{scale}_{nw}x{nh}"
resize_name: str = name_file(image, suffix)
_dir: Path = image.absolute().parent
im.save(_dir / resize_name)
if not quiet:
print(
f"resized image saved to {resize_name}.")
if images == []:
print(f"No images found at search pattern '{pattern}'.")
return
if __name__ == '__main__':
main()命令行程序從入口點函數main運行。參數通過傳遞給click.option選項：
從命令行運行程序：
python resize.py -s 35 -p "./*jpg"
結果：
$ py resize.py -p "checkers.jpg" -s 90
resized image saved to checkers_90_810x810.jpg.
正在檢查文件夾：
$ ls -lh checkers*
-rw-r--r-- 1 nicho 197609 362K Aug 15 13:13 checkers.jpg
-rw-r--r-- 1 nicho 197609 231K Aug 15 23:56 checkers_90_810x810.jpg
不錯！所以程序縮小了圖像，給了它一個描述性的標簽，我們可以看到文件大小從362KB到231KB！
為了查看程序同時處理多個文件，我們將再次運行它：
$ py resize.py --pattern="checkers*" --scale=20
resized image saved to checkers_20_180x180.jpg.
resized image saved to checkers_90_810x810_20_162x162.jpg.
文件系統輸出：
$ ll -h checkers*
-rw-r--r-- 1 nicho 197609 362K Aug 15 13:13 checkers.jpg
-rw-r--r-- 1 nicho 197609 1.8K Aug 16 00:23 checkers_20_180x180.jpg
-rw-r--r-- 1 nicho 197609 231K Aug 15 23:56 checkers_90_810x810.jpg
-rw-r--r-- 1 nicho 197609 1.8K Aug 16 00:23 checkers_90_810x810_20_162x162.jpg
只要匹配到了模式，遞歸可以處理任意數量的圖像。
Click
Click 是一個神奇的工具。它可以包裝一個函數并在一個模塊中以“正常的方式”從一個if __name__ == '__main__'語句運行。（實際上，它甚至不需要這樣做；你只需定義和裝飾要運行的函數即可），但它真正的亮點在于將腳本作為包安裝。
這是通過Python附帶的setuptools庫完成的。
這是我的setup.py.
from setuptools import setup
setup(
name='resize',
version='0.0.1',
py_modules=['resize'],
install_requires=[
'click',
'pillow',
],
entry_points='''
[console_scripts]
resize=resize:main
'''
)使用以下命令生成可執行文件/包裝包：
pip install -e .
結論
本教程進行了大量的研究：
請記住，編寫代碼可能需要數小時或數天。但它只需幾毫秒就可以運行。你制作的程序不必很大。任何一件能節省你的時間或讓你產生更多產出的東西，都有可能為你的余生服務！
關于使用Python實現調整圖像大小就分享到這里了，希望以上內容可以對大家有一定的幫助，可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
