将灰度图像转换为更小的“逐像素”灰度图像

Question

我有一个很大的图像，但是1个正方形代表很多像素值，但是我想要一个只有1个像素的特定值的图像。正方形的大小不尽相同。在

有些柱子窄一些，有些较宽。以下是大形象的一部分：

你可以看到左手边的方块比右手边的大。这就是问题所在！在

实际图像：

例如，使用下面的代码，当我试图将我的图像逐像素地转换为一个更小的像素时，我得到了这个，这与最初的图片完全不同。在

from PIL import Image
import numpy as np

img = Image.open('greyscale_intense.png').convert('L')  # convert image to 8-bit grayscale
WIDTH, HEIGHT = img.size

a = list(img.getdata()) # convert image data to a list of integers
# convert that to 2D list (list of lists of integers)
a = np.array ([a[offset:offset+WIDTH] for offset in range(0, WIDTH*HEIGHT, WIDTH)])

print " "
print "Intial array from image:"  #print as array
print " "
print a

rows_mask = np.insert(np.diff(a[:, 0]).astype(np.bool), 0, True)
columns_mask = np.insert(np.diff(a[0]).astype(np.bool), 0, True)
b = a[np.ix_(rows_mask, columns_mask)]


print " "
print "Subarray from Image:"  #print as array
print " "
print b


print " "
print "Subarray from Image (clearer format):"  #print as array
print " "
for row in b: #print as a table like format
    print(' '.join('{:3}'.format(value) for value in row))

img = Image.fromarray(b, mode='L')

img.show()

我在代码中所做的是从初始图像创建一个数组，然后通过忽略一个重复的值，创建一个没有重复值的子数组。新的图像就是用这个构造的。在

例如，对于此图像：

我得到的结果是：

从数组中可以看到38被重复了9次，而27被重复了8次。。。在

我的最终目标是对彩色RGB图像进行相同的处理，如图所示。在

请帮忙！在

Answer 1

如果我做对了，你想得到最近邻放大图像的原始分辨率。所以该怎么办：

1. 计算水平网格大小

   如果你新的原始分辨率和放大过程，你可以直接计算平方大小。但是，如果你不知道缩放是如何进行的，那么更安全的方法是从图像中计算出来。在

   因此，您需要做的是计算从x=0开始的所有水平线中有多少后续像素具有相同的颜色。记住最小的一个将是第一个列宽。在

   现在执行相同的操作，但从x+column_width开始，然后下一列直到获得所有列宽。

2. 计算垂直网格大小

   它与#1相同，但处理的是从y=0开始的垂直线。

3. 创建和复制新图像

   来自1，#2的列数和行数将为您提供图像的原始分辨率，因此请创建相同大小的新图像。在

   然后只需设置其每个像素对应的网格正方形中间像素颜色。

这里小<强> C++ +VCL <强>实例（对不起，不是Python编码器）：

void rescale_back(Graphics::TBitmap *bmp)
    {
    int *gx,*gy,nx,ny;  // original image
    int x,y,xs,ys;      // rescaled image
    int xx,yy,n;
    DWORD **p;          // direct pixel acces p[y][x]
    // prepare buffers
    xs=bmp->Width;
    ys=bmp->Height;
    p =new DWORD*[ys];
    gx=new int[xs];
    gy=new int[ys];
    // enable direct pixel access (VCL stuff ignore)
    bmp->HandleType=bmDIB;
    bmp->PixelFormat=pf32bit;
    for (y=0;y<ys;y++) p[y]=(DWORD*)bmp->ScanLine[y];
    // compute column sizes
    for (nx=0,x=0;x<xs;)        // loop columns
        {
        for (n=0,y=0;y<ys;y++)  // find smallest column starting from x
            {
            for (xx=x;xx<xs;xx++) if (p[y][x]!=p[y][xx]) break;
            xx-=x; if ((!n)||(n>xx)) n=xx;
            }
        gx[nx]=x+(n>>1); nx++; x+=n;    // store mid position of column
        }
    // compute row sizes
    for (ny=0,y=0;y<ys;)        // loop rows
        {
        for (n=0,x=0;x<xs;x++)  // find smallest row starting from y
            {
            for (yy=y;yy<ys;yy++) if (p[y][x]!=p[yy][x]) break;
            yy-=y; if ((!n)||(n>yy)) n=yy;
            }
        gy[ny]=y+(n>>1); ny++; y+=n;    // store mid position of row
        }
    // copy data
    for (yy=0;yy<ny;yy++)
     for (xx=0;xx<nx;xx++)
      p[yy][xx]=p[gy[yy]][gx[xx]];
    // crop
    bmp->SetSize(nx,ny);
    // release buffers
    delete[] p;
    delete[] gx;
    delete[] gy;
    }

在重复问题的输入图像上使用：

输出结果：

如果需要对双线性过滤图像执行此操作，请参见：

• Algorithm: how calculate INVERSE of bilinear interpolation?

Answer 2

这里的结果很可能是一些图像放大的结果，使用非整数比例因子和最近邻重采样规则。所以所有这些大像素可能有相同的单位大小。在

要获得精确的像素宽度（在垂直方向重复以下所有步骤），只需画一条水平线并找到不连续点就足够了。结果可能是两个相邻的像素有相同的值，所以你必须在其他地方找到不连续性。由于您对宽度有很好的估计，所以很容易检测到这种情况。在

---

实际上，在知道平均像素宽度的情况下，甚至可以猜测变化的位置：它们将发生在floor(nw)或者可能是{}，其中{}和{}是需要确定的有理数。在

使用上述方法，您可以绘制n和转换位置之间的关系。在

Answer 3

我不想写代码，但你也可以：

a）“滚动”（see here）将图像向右滚动一个像素，然后从原始图像中差分（减去），然后使用np.where查找大于零的所有像素，因为这些是您的“正方形”结束处的“边缘”，即一个像素与其相邻像素不同。然后找到任何元素都不为零的列，并使用这些列作为索引从原始图像中获取值。然后将图像向下滚动一个像素，找到感兴趣的水平行，然后重复上述操作，但对于水平的“edges”。在

或者

然后用一个差分的像素代替它的邻域，然后用一个差分的图像来代替它。自我与右翼邻居之间的区别的核心是：

0  0  0
0 -1  1
0  0  0 

而下面的自我和邻居之间的区别是：

^{pr2}$

创建和应用内核的枕头文档是here。在

---

我将在命令行演示ImageMagick的含义。首先，我克隆你的图像，在拷贝中我将图像向右滚动一个像素，然后我将滚动结果与原始图像不同，并生成一个新的输出图像-标准化以获得更大的对比度。在

^{3}$

现在我再次执行同样的操作，但将图像垂直滚动一个像素：

convert CwinB.png \( +clone -roll +0+1 \) -compose difference -composite -normalize v.png

现在将这两种方法结合起来，取每个像素处较亮的图像：

convert [vh].png -compose lighten -composite z.png

希望你能看到它找到你的正方形的边缘，你现在可以选择任何一行，或列，完全是黑色来找到你的原始像素。在