我想把fits格式的图像调整到更小的尺寸。例如,我想将100x100像素的图像调整为58x58像素的图像。数组的值是强度或通量值。我希望在变换后图像的总强度保持不变。这不适用于skimage resize。我的总价值减少取决于我放大或缩小的因素。我已经在下面展示了我迄今为止尝试过的代码。在
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:
^{pr2}$如果我使用以下方法将其缩放到相同的维度:
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
如果我尝试增加图像大小,我也会遇到同样的问题。在
out = resize(cutout, (200,200), order=1, preserve_range=True)
print(np.sum(out),np.sum(cutout))
输出:
0.887316320731 0.22187
我想知道有没有解决这个问题的办法。在
编辑1:
我刚刚意识到,如果我把图像乘以我想增加或缩小图像大小的比例的平方,那么我的总和是守恒的。在
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,但稍微高一点:
0.221930548915 0.22187
我尝试了不同的维度,除了非常小的值之外,它是有效的。有人能解释为什么这种关系是真的还是这只是统计上的巧合。在
如果将图像
I = Width x Height
,其中N = Width x Height
视为强度在[0,1]
范围内的一组像素,那么在将图像调整为M = newWidth x newWeight
之后,强度之和与之前完全不同是完全正常的。在假设具有
N
像素的图像I
具有均匀分布在[0,1]
范围内的强度。那么强度之和大约为0.5 * N
。如果您使用skimage的resize
,图像的大小将由interpolating调整为更小(或更大)的大小。插值不会累积值(正如您所期望的那样),而是通过邻域中的平均值来预测新图像中每个像素的值。因此,图像的强度范围不改变,值被修改并且因此,新的调整大小的图像的强度之和将大约为0.5 * M
。如果M != N
,那么强度之和将相差很大。在解决这个问题的方法是:
按比例重新调整新数据的大小:
这类似于你的建议,但是对于任何尺寸的图像(不仅仅是方形图像)。然而,这用常数因子
out[i,j] *= X
来补偿每个像素,其中X
对于图像中的每个像素都是相等的,并且并非所有像素都将使用相同的权重进行插值,因此,添加了小的人工伪影。我认为最好用图像的平均强度(不依赖于像素数)来代替图像的总和(这取决于图像上像素的数量)
相关问题 更多 >
编程相关推荐