作者|Nicholas Ballard
編譯|VK
來源|Towards Data Science
可以說，每一個“使用計算機的人”都需要在某個時間點調整影像的大小，MacOS的預覽版可以做到，WindowsPowerToys也可以，
本文使用Python來調整影像大小，幸運的是，影像處理和命令列工具是Python的兩個特長，
本文旨在向你展示三件事：
-
影像的基本概念，
-
用于操作影像的Python庫，
-
你可以在自己的專案中使用本文的代碼，
我們要構建的命令列程式可以一次調整一個或多個影像檔案的大小，
創建影像
在這個例子中，我們將創建我們自己的影像，而不是找到一個真正的影像來操縱，
為什么？事實上，創造影像是一個很好的方式來說明一個影像實際上是什么，這個調整大小的程式在Instagram上也同樣適用，
那么，什么是影像？在Python資料術語中，影像是int元組的串列，
image = list[list[tuple[*int, float]]]
NumPy的定義是一個二維形狀陣列 (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，影像是像素串列（行）的串列（整個影像），每個像素由3個整數和1個可選浮點陣列成：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通道的彩色影像，以保持簡單，Alpha是像素的透明度，影像也只能有一個值從0到255的通道，這就是灰度影像，也就是黑白影像，在這里我們使用彩色影像！
import matplotlib as plt
pixel: tuple = (200, 100, 150)
plt.imshow([[list(pixel)]])
用純Python制作影像
Python完全能夠創建影像，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)
創建影像：
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影像(寬度和高度相同).
Args:
colors (Pixel): 可迭代的顏色呈現順序的引數，
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) # 設定顏色
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)
這就是渲染的影像，在背后，資料是這樣的：
[[[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],
...
現在我們有了一個影像，讓我們調整它的大小！
在Python中調整大小
在Python中撰寫調整影像大小的演算法實際上有很多的作業量，
在影像處理演算法中有很多內容，有些人為此貢獻了十分多的作業，例如重采樣——在縮小后的影像中使用一個像素來代表周圍的高解析度像素，影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影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可以用來作影像處理，他使用C++撰寫并移植到了Python
import cv2
def resize(fp: str, scale: Union[float, int]) -> np.ndarray:
""" 調整影像大小，保持其比例
Args:
fp (str): 影像檔案的路徑引數
scale (Union[float, int]): 百分比作為引數，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=https://www.cnblogs.com/panchuangai/archive/2020/09/25/im, dsize=new_dim, interpolation=cv2.INTER_LINEAR)
interpolation引數的選項是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，它可能是影像抽取的首選方法，但是當影像被縮放時，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
回傳后：
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，影像從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，上面的螢屏截圖看起來不太好，
Pillow
pillow庫在Image類上有一個調整大小的方法，它的引數是：
size: (width, height)
resample: 默認為BICUBIC. 重采樣演算法需要的引數，
box: 默認為None，為一個4元組，定義了在引數(0,0，寬度，高度)內作業的影像矩形，
reducing_gap: 默認為None，重新采樣優化演算法，使輸出看起來更好，
以下是函式：
from PIL import Image
def resize(fp: str, scale: Union[float, int]) -> np.ndarray:
""" 調整影像大小，保持其比例
Args:
fp (str): 影像檔案的路徑引數
scale (Union[float, int]): 百分比作為引數，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 的函式與OpenCV非常相似，唯一的區別是PIL.Image.Image類具有用于訪問影像（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方法如何打開作業系統的默認程式以查看影像的檔案型別，
創建命令列程式
現在我們有了一個調整影像大小的函式，現在是時候讓它有一個運行調整大小的用戶界面了，
調整一個影像的大小是可以的，但我們希望能夠批量處理影像，
我們將要構建的介面將是最簡單的介面：命令列實用程式，
Pallets專案是Flask背后的天才社區，是一個Jinja模板引擎：Click(https://click.palletsprojects.com/en/7.x/，)
pip install click
Click是一個用于制作命令列程式的庫，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來裝飾我們的影像調整器，
下面是從命令列調整影像大小的完整腳本！
""" resize.py
"""
from __future__ import annotations
import os
import glob
from pathlib import Path
import sys
import click
from PIL import Image
"""
檔案:
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:
""" 調整影像大小，保持其比例
Args:
fp (str): 影像檔案的路徑引數
scale (Union[float, int]): 百分比作為引數，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()
命令列程式從入口點函式main運行，引數通過傳遞給click.option選項：
pattern采用字串形式來定位與腳本運行的目錄相關的一個或多個影像，--pattern="../catpics/*.png將向上一級查找catpics檔案夾，并回傳該檔案夾中具有.png影像擴展名的所有檔案，scale接受一個數字、浮點或整數，并將其傳遞給resize函式，這個腳本很簡單，沒有資料驗證，如果你添加到代碼中，檢查比例是一個介于5和99之間的數字（合理的縮小比例引數），你可以通過-s "chicken nuggets"進行設定，- 如果不希望在程式運行時將文本輸出到標準流，則
quiet是一個選項引數，
從命令列運行程式：
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.
正在檢查檔案夾：
$ 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！所以程式縮小了影像，給了它一個描述性的標簽，我們可以看到檔案大小從362KB到231KB！
為了查看程式同時處理多個檔案，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.
檔案系統輸出：
$ 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，遞回可以處理任意數量的影像，
Click
Click 是一個神奇的工具，它可以包裝一個函式并在一個模塊中以“正常的方式”從一個if __name__ == '__main__'陳述句運行，（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式即可），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檔案/包裝包：
pip install -e .
現在，你可以在不使用python命令的情況下呼叫腳本，另外，如果你將新的可執行檔案添加到路徑中的檔案夾中，你可以從計算機上的任何位置呼叫此程式，如resize -p *jpg -s 75
結論
本教程進行了大量的研究：
- 首先介紹了一些用于影像處理的第三方Python庫，
- 然后使用Python從頭構建一個影像，以進一步了解影像的實際含義，
- 然后，選擇其中一個選項，并構建一個腳本，在保持影像比例的同時縮小影像，
- 最后,把所有這些放在一個命令列實用程式中，通過click接受可配置的選項，
請記住，撰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，你制作的程式不必很大，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！
資源
- click(https://click.palletsprojects.com/en/7.x/)
- matplotlib(https://matplotlib.org/3.2.0/tutorials/introductory/images.html)
- opencv(https://docs.opencv.org/4.4.0/)
- pillow(https://pillow.readthedocs.io/en/stable/)
- scikit-image(https://scikit-image.org/)
原文鏈接：https://towardsdatascience.com/how-to-resize-images-using-python-8aaba74602ed
歡迎關注磐創AI博客站：
http://panchuang.net/
sklearn機器學習中文官方檔案：
http://sklearn123.com/
歡迎關注磐創博客資源匯總站：
http://docs.panchuang.net/
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/131604.html
標籤：其他