我有一个4D序列的图像数据,它被组织为[NumberOfImages,RowsOfImage,ColumnsOfImage,ChannelsOfImage]。在
现在,我想将4D数组中的图像调整为新的大小,即[NumberOfImages,NewRowsOfImage,NewColumnsOfImage,ChannelsOfImage]的大小,而其他维度保持不变。在
我知道有一个函数tf.image.resize_图像在TensorFlow中执行此操作。如果新图像比原始图像大,则使用双线性插值或最近邻插值来填充新图像。在
然而,图像数据在调整大小后被转换成张量流的张量对象。那我就得把它换回去。这些程序将花费大量时间。在
我试过了skimage.transform.resize,但此函数似乎可以调整二维图像数据的大小。如果我使用这个函数,我必须使用一个for循环,这也将花费大量的时间。在
那么Python中是否有一个与tf.image.resize_图像张量流函数?如果没有,谁能给我一些建议来解决我的问题?在
非常感谢。在
使用
numpy.resize
。参见下面的示例。所有图像都具有相同的形状(在本例中为768x102x3)。在本例中,我将行号与列号进行了切换。im_all
是你的4d数组。在下面是一个使用内存使用优化的插值(默认为
^{pr2}$bilinear
,请参见:http://docs.scipy.org/doc/scipy-0.16.1/reference/generated/scipy.misc.imresize.html)示例:在上面的例子中,我在x轴和y轴上各添加200个像素。在
相关问题 更多 >
编程相关推荐