缩小时的值插值

Question

我有一个二维数组，我想向下采样，以比较它与另一个。在

假设我的数组x是512x512，我想要一个数组y128x128，其中{}的元素是使用4x4上的x块上的值的插值来构建的（这种插值可以取平均值，但是其他方法，比如几何平均值，可能会很有趣）

到目前为止，我查看了scipy.ndimage.interpolation.zoom，但没有得到我想要的结果

>> x = np.arange(16).reshape(4,4)
>> print(x)
[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]
 [12 13 14 15]]
>> y = scipy.ndimage.interpolation.zoom(x, 0.5)
>> print(y)
[[ 0  3]
 [12 15]]

我希望y是

^{pr2}$

注意，仅仅设置dtype=np.float32并不能解决这个问题。。。在

Answer 1

sklearn.feature_extraction.image.extract_patches巧妙地使用np.lib.stride_tricks.as_strided生成一个可操作的窗口数组。在

sliding_window函数，可在此处找到 Efficient Overlapping Windows with Numpy，生成有或无重叠的窗口数组 同时，让我们来看看引擎盖下发生了什么。在

>>> a = np.arange(16).reshape(4,4)

step_height,step_width确定窗口的重叠-在您的例子中，步骤与窗口大小相同，没有重叠。在

^{pr2}$

在车窗上操作：

>>> y = y.mean(axis = (1,2))
>>> y
array([  2.5,   4.5,  10.5,  12.5])

你需要根据窗户的数量来决定最终的形状。在

>>> final_shape = (2,2)
>>> y = y.reshape(final_shape)
>>> y
array([[  2.5,   4.5],
       [ 10.5,  12.5]])

搜索numpy，window，array应该会产生许多其他答案和可能的解决方案。在

Answer 2

您似乎在寻找的是4的块上的平均值，这是不能用zoom获得的，因为zoom使用了插值（参见其docstring）

要获得您显示的内容，请尝试以下操作

import numpy as np
x = np.arange(16).reshape(4, 4)

xx = x.reshape(len(x) // 2, 2, x.shape[1] // 2, 2).transpose(0, 2, 1, 3).reshape(len(x) // 2, x.shape[1] // 2, -1).mean(-1)

print xx

这就产生了

^{pr2}$

或者，可以使用sklearn.feature_extraction.image.extract_patches来完成此操作

from sklearn.feature_extraction.image import extract_patches

patches = extract_patches(x, patch_shape=(2, 2), extraction_step=(2, 2))

xx = patches.mean(-1).mean(-1)

print xx

但是，如果您的目标是以一种优雅的方式对图像进行子采样，那么对图像的块取平均值是而不是正确的方法：它很可能会导致锯齿效应。在这种情况下，您应该做的是使用scipy.ndimage.gaussian_filter（例如sigma=0.35 * subsample_factor）稍微平滑图像，然后简单地通过索引[::2, ::2]对图像进行子采样