作者|Nicholas Ballard
编译|VK
来源|Towards Data Science
可以说，每一个“使用计算机的人”都需要在某个时间点调整图像的大小。MacOS的预览版可以做到，WindowsPowerToys也可以。
本文使用Python来调整图像大小，幸运的是，图像处理和命令行工具是Python的两个特长。
本文旨在向你展示三件事：
- 图像的基本概念。
- 用于操作图像的Python库。
- 你可以在自己的项目中使用本文的代码。
我们要构建的命令行程序可以一次调整一个或多个图像文件的大小。
创建图像
在这个例子中，我们将创建我们自己的图像，而不是找到一个真正的图像来操纵。
为什么？事实上，创造图像是一个很好的方式来说明一个图像实际上是什么。这个调整大小的程序在Instagram上也同样适用。
那么，什么是图像？在Python数据术语中，图像是int元组的列表。
|
1
|
image = list[list[tuple[*int, float]]] |
NumPy的定义是一个二维形状数组 (h, w, 4)，其中h表示高的像素数（上下），w表示宽的像素数（从左到右）。
换句话说，图像是像素列表（行）的列表（整个图像）。每个像素由3个整数和1个可选浮点数组成：红色通道、绿色通道、蓝色通道、alpha（浮点可选）。红色、绿色、蓝色通道（RGB）的值从0到255。
从现在开始，我们将讨论没有alpha通道的彩色图像，以保持简单。Alpha是像素的透明度。图像也只能有一个值从0到255的通道。这就是灰度图像，也就是黑白图像。在这里我们使用彩色图像！
|
1
2
3
4
|
import matplotlib as pltpixel: tuple = (200, 100, 150)plt.imshow([[list(pixel)]]) |
用纯Python制作图像
Python完全能够创建图像。要显示它，我将使用matplotlib库，你可以使用它安装：
|
1
|
pip install matplotlib |
创建像素：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
|
from dataclasses import dataclass@dataclassclass 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) |
创建图像：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
|
from __future__ import annotationsfrom dataclasses import dataclass, astuplefrom itertools import cyclefrom typing import Listimport matplotlib.pyplot as pltimport matplotlib.image as mpimg@dataclassclass Pixel: red: int green: int blue: int # alpha: float = 1pixel = Pixel(255,0,0)pixelmarigold: 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: """ 用可配置的像素块制作一个正方形图像(宽度和高度相同). Args: colors (Pixel): 可迭代的颜色呈现顺序的参数。 blocksize (int, optional): [description]. 默认10. squaresize (int, optional): [description]. 默认9. Returns: Image: 一幅漂亮的正方形图片! """ img: list = [] colors = cycle(colors) for row in range(squaresize): row: list = [] for col in range(squaresize): color = next(colors) # 设置颜色 for _ in range(blocksize): values: list[int] = list(astuple(color)) row.append(values) [img.append(row) for _ in range(squaresize)] # 创建行高 return imgif __name__ == '__main__': image = create_image(marigold, red) plt.imshow(image) |
这就是渲染的图像。在背后，数据是这样的：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
|
[[[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], ... |
在Python中调整大小
在Python中编写调整图像大小的算法实际上有很多的工作量。
在图像处理算法中有很多内容，有些人为此贡献了十分多的工作。例如重采样——在缩小后的图像中使用一个像素来代表周围的高分辨率像素。图像处理是一个巨大的话题。如果你想亲眼看看，看看Pillow的Image.py，它在路径path/to/site-packages/PIL中。
这中间还有一些优化，比如抗锯齿和减少间隙…这里的内容非常多。我们是站在巨人的肩膀上，可以用一行代码来解决我们的问题。
如果你有兴趣了解更多有关处理图像时幕后发生的事情，我鼓励你更多地查看“机器视觉”主题！这绝对是一个蓬勃发展的领域。
做得足够好，就会有很多公司愿意为你的计算机视觉专业知识付出最高的代价。自动驾驶，IOT，监视，你命名它；所有基本上依赖于处理图片（通常在Python或C++）。
一个很好的起点是查看scikit image。
OpenCV
OpenCV可以用来作图像处理。他使用C++编写并移植到了Python
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
import cv2def resize(fp: str, scale: Union[float, int]) -> np.ndarray: """ 调整图像大小，保持其比例 Args: fp (str): 图像文件的路径参数 scale (Union[float, int]): 百分比作为参数。如：53 Returns: image (np.ndarray): 按比例缩小的图片 """ _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=im, dsize=new_dim, interpolation=cv2.INTER_LINEAR) |
interpolation参数的选项是cv2包中提供的flags之一：
INTER_NEAREST – 近邻插值
INTER_LINEAR – 双线性插值(默认使用)
INTER_AREA – 利用像素区域关系重新采样。它可能是图像抽取的首选方法。但是当图像被缩放时，它类似于INTER_NEAREST方法。
INTER_CUBIC – 一个大于4×4像素邻域的双三次插值
INTER_LANCZOS4 – 一个大于8×8像素邻域的Lanczos插值
返回后：
|
1
2
3
|
resized = resize("checkers.jpg", 50)print(resized.shape)plt.imshow(resized) # 也可以使用 cv2.imshow("name", image) |
它做了我们所期望的。图像从900像素高，900像素宽，到450×450（仍然有三个颜色通道）。因为Jupyter Lab的matplotlib着色，上面的屏幕截图看起来不太好。
Pillow
pillow库在Image类上有一个调整大小的方法。它的参数是：
size: (width, height)
resample: 默认为BICUBIC. 重采样算法需要的参数。
box: 默认为None。为一个4元组，定义了在参数(0,0，宽度，高度)内工作的图像矩形。
reducing_gap: 默认为None。重新采样优化算法，使输出看起来更好。
以下是函数：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
from PIL import Imagedef resize(fp: str, scale: Union[float, int]) -> np.ndarray: """ 调整图像大小，保持其比例 Args: fp (str): 图像文件的路径参数 scale (Union[float, int]): 百分比作为参数。如：53 Returns: image (np.ndarray): 按比例缩小的图片 """ _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 的函数与OpenCV非常相似。唯一的区别是PIL.Image.Image类具有用于访问图像（宽度、高度）的属性大小。
结果是：
|
1
2
3
|
resized = resize("checkers.jpg", 30.5)print(resized.size)resized.show("resized image", resized) |
请注意show方法如何打开操作系统的默认程序以查看图像的文件类型。
创建命令行程序
现在我们有了一个调整图像大小的函数，现在是时候让它有一个运行调整大小的用户界面了。
调整一个图像的大小是可以的。但我们希望能够批量处理图像。
我们将要构建的接口将是最简单的接口：命令行实用程序。
Pallets项目是Flask背后的天才社区，是一个Jinja模板引擎：Click(https://click.palletsprojects...。)
|
1
|
pip install click |
Click是一个用于制作命令行程序的库。这比使用普通的argparse或在if __name__ == '__main__':中启动一些if-then逻辑要好得多。所以，我们将使用Click来装饰我们的图像调整器。
下面是从命令行调整图像大小的完整脚本！
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
|
""" resize.py"""from __future__ import annotationsimport osimport globfrom pathlib import Pathimport sysimport clickfrom PIL import Image"""文档: 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: """ 调整图像大小，保持其比例 Args: fp (str): 图像文件的路径参数 scale (Union[float, int]): 百分比作为参数。如：53 Returns: image (np.ndarray): 按比例缩小的图片 """ _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}'.") returnif __name__ == '__main__': main() |
命令行程序从入口点函数main运行。参数通过传递给click.option选项：
- pattern采用字符串形式来定位与脚本运行的目录相关的一个或多个图像。--pattern="../catpics/*.png将向上一级查找catpics文件夹，并返回该文件夹中具有.png图像扩展名的所有文件。
- scale接受一个数字、浮点或整数，并将其传递给resize函数。这个脚本很简单，没有数据验证。如果你添加到代码中，检查比例是一个介于5和99之间的数字（合理的缩小比例参数）。你可以通过-s "chicken nuggets"进行设置。
- 如果不希望在程序运行时将文本输出到标准流，则quiet是一个选项参数。
从命令行运行程序：
|
1
|
python resize.py -s 35 -p "./*jpg" |
结果：
$ py resize.py -p "checkers.jpg" -s 90
resized image saved to checkers_90_810x810.jpg.
正在检查文件夹：
$ 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
不错！所以程序缩小了图像，给了它一个描述性的标签，我们可以看到文件大小从362KB到231KB！
为了查看程序同时处理多个文件，我们将再次运行它：
$ 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.
文件系统输出：
$ 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，递归可以处理任意数量的图像。
Click
Click 是一个神奇的工具。它可以包装一个函数并在一个模块中以“正常的方式”从一个if __name__ == '__main__'语句运行。（实际上，它甚至不需要这样做；你只需定义和装饰要运行的函数即可），但它真正的亮点在于将脚本作为包安装。
这是通过Python附带的setuptools库完成的。
这是我的setup.py.
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
from setuptools import setupsetup( 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执行文件/包装包：
|
1
|
pip install -e . |
结论
本教程进行了大量的研究：
- 首先介绍了一些用于图像处理的第三方Python库。
- 然后使用Python从头构建一个图像，以进一步了解图像的实际含义。
- 然后，选择其中一个选项，并构建一个脚本，在保持图像比例的同时缩小图像。
- 最后,把所有这些放在一个命令行实用程序中，通过click接受可配置的选项。
请记住，编写代码可能需要数小时或数天。但它只需几毫秒就可以运行。你制作的程序不必很大。任何一件能节省你的时间或让你产生更多产出的东西，都有可能为你的余生服务！
原文链接：
https://towardsdatascience.co...
以上就是如何使用Python调整图像大小的详细内容，更多关于Python调整图像大小的资料请关注服务器之家其它相关文章！
原文链接：https://segmentfault.com/a/1190000025127809?utm_source=tuicool&utm_medium=referral
