skimage 调整大小更改数组的总和

Question

我想将适合格式的图像调整为更小的尺寸。例如，我想将我的 100x100 像素图像调整为 58x58 像素图像。数组的值是强度或通量值。我希望在转换后保留图像的总强度。这不适用于 skimage 调整大小。我的总价值减少取决于我放大或缩小的因素。我已经在下面显示了到目前为止我尝试过的代码。

import numpy as np
from skimage.transform import resize


image=fits.open(directory+file1)
cutout=image[0].data
out = resize(cutout, (58,58), order=1, preserve_range=True)
print(np.sum(out),np.sum(cutout))

我的输出是：

0.074657436655 0.22187 (I want these two values to be equal)

如果我使用以下方法将它缩放到相同的维度：

out = resize(cutout, (100,100), order=1, preserve_range=True)
print(np.sum(out),np.sum(cutout))

我的输出非常接近我想要的：

0.221869631852 0.22187

如果我也尝试增加图像尺寸，我也会遇到同样的问题。

out = resize(cutout, (200,200), order=1, preserve_range=True)
print(np.sum(out),np.sum(cutout))

输出：

0.887316320731 0.22187

我想知道这个问题是否有解决方法。

编辑 1：

我刚刚意识到，如果我将我的图像乘以我想要增加或减小图像尺寸的比例的平方，那么我的总和是守恒的。

例如：

x=58
out = resize(cutout, (x,x), order=1, preserve_range=True)
test=out*(100/x)**2
print(np.sum(test),np.sum(cutout))

我的输出非常接近我想要的但略高：

0.221930548915 0.22187

我用不同的维度尝试了这个，除了非常小的值外，它都有效。谁能解释为什么这种关系是正确的，或者这只是统计上的巧合。

Answer 1

如果您将 I = Width x Height 其中 N = Width x Height 的图像视为一组强度在 [0,1] 范围内的像素，将图像大小调整为 M = newWidth x newWeight强度总和与之前完全不同

假设具有 N 个像素的图像 I 具有在 [0,1] 范围内均匀分布的强度。那么强度的总和将约为0.5 * N。如果您使用 skimage 的 resize，图像将被调整为更小（或更大）的尺寸 interpolating。插值不会累积值（正如您所期望的那样），它会代替邻域中的平均值来预测新图像中每个像素的值。因此，图像的强度范围不变，值被修改，因此，新调整大小的图像的强度之和将近似为0.5 * M。如果M != N那么强度的总和会有很大的不同。

解决这个问题你可以做的是：

根据其大小重新缩放新数据：
```
>>> y, x = (57, 58)
>>> out = resize(data, (y,x), order=1, preserve_range=True)
>>> out = out * (data.shape[0] / float(y)) * (data.shape[1] / float(x))
```
这类似于您提出的建议，但适用于任何尺寸的图像（不仅仅是方形图像）。然而，这会用常数因子 out[i,j] *= X 补偿每个像素，其中 X 对于图像中的每个像素都相等，并且并非所有像素都将使用相同的权重进行插值，因此，添加小 人工制品.

我认为最好用图像中的平均强度（不依赖于像素数）

>>> meanI = np.sum(I) / float(I.size)   # Exactly the same as np.mean(I) or I.mean()
>>> meanInew = np.sum(out) / float(out.size)
>>> np.isclose(meanI, meanInew) # True

skimage 调整大小更改数组的总和

skimage resize changes total sum of array

python

numpy

image-resizing

python-3.x

scikit-image