作者|Nicholas Ballard
編譯|VK
來(lái)源|Towards Data Science

可以說(shuō)，每一個(gè)“使用計(jì)算機(jī)的人”都需要在某個(gè)時(shí)間點(diǎn)調(diào)整圖像的大小。MacOS的預(yù)覽版可以做到，WindowsPowerToys也可以。

本文使用Python來(lái)調(diào)整圖像大小，幸運(yùn)的是，圖像處理和命令行工具是Python的兩個(gè)特長(zhǎng)。

本文旨在向你展示三件事：

1. 圖像的基本概念。
2. 用于操作圖像的Python庫(kù)。
3. 你可以在自己的項(xiàng)目中使用本文的代碼。
   

我們要構(gòu)建的命令行程序可以一次調(diào)整一個(gè)或多個(gè)圖像文件的大小。

創(chuàng)建圖像

在這個(gè)例子中，我們將創(chuàng)建我們自己的圖像，而不是找到一個(gè)真正的圖像來(lái)操縱。

為什么？事實(shí)上，創(chuàng)造圖像是一個(gè)很好的方式來(lái)說(shuō)明一個(gè)圖像實(shí)際上是什么。這個(gè)調(diào)整大小的程序在Instagram上也同樣適用。

那么，什么是圖像？在Python數(shù)據(jù)術(shù)語(yǔ)中，圖像是int元組的列表。

image = list[list[tuple[*int, float]]]

NumPy的定義是一個(gè)二維形狀數(shù)組 (h, w, 4)，其中h表示高的像素?cái)?shù)（上下），w表示寬的像素?cái)?shù)（從左到右）。

換句話說(shuō)，圖像是像素列表（行）的列表（整個(gè)圖像）。每個(gè)像素由3個(gè)整數(shù)和1個(gè)可選浮點(diǎn)數(shù)組成：紅色通道、綠色通道、藍(lán)色通道、alpha（浮點(diǎn)可選）。紅色、綠色、藍(lán)色通道（RGB）的值從0到255。

從現(xiàn)在開始，我們將討論沒有alpha通道的彩色圖像，以保持簡(jiǎn)單。Alpha是像素的透明度。圖像也只能有一個(gè)值從0到255的通道。這就是灰度圖像，也就是黑白圖像。在這里我們使用彩色圖像！

import matplotlib as plt

pixel: tuple = (200, 100, 150)
plt.imshow([[list(pixel)]])

用純Python制作圖像

Python完全能夠創(chuàng)建圖像。要顯示它，我將使用matplotlib庫(kù)，你可以使用它安裝：

pip install matplotlib

創(chuàng)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(chuàng)建圖像：

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(gè)正方形圖像(寬度和高度相同).
 Args:
   colors (Pixel): 可迭代的顏色呈現(xiàn)順序的參數(shù)。
   blocksize (int, optional): [description]. 默認(rèn)10.
   squaresize (int, optional): [description]. 默認(rèn)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(shè)置顏色
   for _ in range(blocksize):
    values: list[int] = list(astuple(color))
    row.append(values)
  [img.append(row) for _ in range(squaresize)] # 創(chuàng)建行高
 return img


if __name__ == '__main__':
 image = create_image(marigold, red)
 plt.imshow(image)

這就是渲染的圖像。在背后，數(shù)據(jù)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],
 ...

在Python中調(diào)整大小

在Python中編寫調(diào)整圖像大小的算法實(shí)際上有很多的工作量。

在圖像處理算法中有很多內(nèi)容，有些人為此貢獻(xiàn)了十分多的工作。例如重采樣——在縮小后的圖像中使用一個(gè)像素來(lái)代表周圍的高分辨率像素。圖像處理是一個(gè)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(yōu)化，比如抗鋸齒和減少間隙…這里的內(nèi)容非常多。我們是站在巨人的肩膀上，可以用一行代碼來(lái)解決我們的問題。

如果你有興趣了解更多有關(guān)處理圖像時(shí)幕后發(fā)生的事情，我鼓勵(lì)你更多地查看“機(jī)器視覺”主題！這絕對(duì)是一個(gè)蓬勃發(fā)展的領(lǐng)域。
做得足夠好，就會(huì)有很多公司愿意為你的計(jì)算機(jī)視覺專業(yè)知識(shí)付出最高的代價(jià)。自動(dòng)駕駛，IOT，監(jiān)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(gè)很好的起點(diǎn)是查看scikit image。

OpenCV

OpenCV可以用來(lái)作圖像處理。他使用C++編寫并移植到了Python

import cv2

def resize(fp: str, scale: Union[float, int]) -> np.ndarray:
  """ 調(diào)整圖像大小，保持其比例
  Args:
    fp (str): 圖像文件的路徑參數(shù)
    scale (Union[float, int]): 百分比作為參數(shù)。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=im, dsize=new_dim, interpolation=cv2.INTER_LINEAR)

interpolation參數(shù)的選項(xiàng)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(rèn)使用)
INTER_AREA – 利用像素區(qū)域關(guān)系重新采樣。它可能是圖像抽取的首選方法。但是當(dāng)圖像被縮放時(shí)，它類似于INTER_NEAREST方法。
INTER_CUBIC – 一個(gè)大于4×4像素鄰域的雙三次插值
INTER_LANCZOS4 – 一個(gè)大于8×8像素鄰域的Lanczos插值

返回后：

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。圖像從900像素高，900像素寬，到450×450（仍然有三個(gè)顏色通道）。因?yàn)镴upyter Lab的matplotlib著色，上面的屏幕截圖看起來(lái)不太好。

Pillow

pillow庫(kù)在Image類上有一個(gè)調(diào)整大小的方法。它的參數(shù)是：

size: (width, height)
resample: 默認(rèn)為BICUBIC. 重采樣算法需要的參數(shù)。
box: 默認(rèn)為None。為一個(gè)4元組，定義了在參數(shù)(0,0，寬度，高度)內(nèi)工作的圖像矩形。
reducing_gap: 默認(rèn)為None。重新采樣優(yōu)化算法，使輸出看起來(lái)更好。

以下是函數(shù)：

from PIL import Image

def resize(fp: str, scale: Union[float, int]) -> np.ndarray:
  """ 調(diào)整圖像大小，保持其比例
  Args:
    fp (str): 圖像文件的路徑參數(shù)
    scale (Union[float, int]): 百分比作為參數(shù)。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 的函數(shù)與OpenCV非常相似。唯一的區(qū)別是PIL.Image.Image類具有用于訪問圖像（寬度、高度）的屬性大小。

結(jié)果是：

resized = resize("checkers.jpg", 30.5)
print(resized.size)
resized.show("resized image", resized)

請(qǐng)注意show方法如何打開操作系統(tǒng)的默認(rèn)程序以查看圖像的文件類型。

創(chuàng)建命令行程序

現(xiàn)在我們有了一個(gè)調(diào)整圖像大小的函數(shù)，現(xiàn)在是時(shí)候讓它有一個(gè)運(yùn)行調(diào)整大小的用戶界面了。

調(diào)整一個(gè)圖像的大小是可以的。但我們希望能夠批量處理圖像。

我們將要構(gòu)建的接口將是最簡(jiǎn)單的接口：命令行實(shí)用程序。

Pallets項(xiàng)目是Flask背后的天才社區(qū)，是一個(gè)Jinja模板引擎：Click(https://click.palletsprojects...。)

pip install click

Click是一個(gè)用于制作命令行程序的庫(kù)。這比使用普通的argparse或在if __name__ == '__main__':中啟動(dòng)一些if-then邏輯要好得多。所以，我們將使用Click來(lái)裝飾我們的圖像調(diào)整器。

下面是從命令行調(diào)整圖像大小的完整腳本！

""" resize.py
"""

from __future__ import annotations
import os
import glob
from pathlib import Path
import sys

import click
from PIL import Image


"""
文檔:
  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(diào)整圖像大小，保持其比例
  Args:
    fp (str): 圖像文件的路徑參數(shù)
    scale (Union[float, int]): 百分比作為參數(shù)。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()

命令行程序從入口點(diǎn)函數(shù)main運(yùn)行。參數(shù)通過(guò)傳遞給click.option選項(xiàng)：

• pattern采用字符串形式來(lái)定位與腳本運(yùn)行的目錄相關(guān)的一個(gè)或多個(gè)圖像。--pattern="../catpics/*.png將向上一級(jí)查找catpics文件夾，并返回該文件夾中具有.png圖像擴(kuò)展名的所有文件。
• scale接受一個(gè)數(shù)字、浮點(diǎn)或整數(shù)，并將其傳遞給resize函數(shù)。這個(gè)腳本很簡(jiǎn)單，沒有數(shù)據(jù)驗(yàn)證。如果你添加到代碼中，檢查比例是一個(gè)介于5和99之間的數(shù)字（合理的縮小比例參數(shù)）。你可以通過(guò)-s "chicken nuggets"進(jìn)行設(shè)置。
• 如果不希望在程序運(yùn)行時(shí)將文本輸出到標(biāo)準(zhǔn)流，則quiet是一個(gè)選項(xiàng)參數(shù)。
  

從命令行運(yùn)行程序：

python resize.py -s 35 -p "./*jpg"

結(jié)果：

$ py resize.py -p "checkers.jpg" -s 90
resized image saved to checkers_90_810x810.jpg.

正在檢查文件夾：

$ 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(cuò)！所以程序縮小了圖像，給了它一個(gè)描述性的標(biāo)簽，我們可以看到文件大小從362KB到231KB！

為了查看程序同時(shí)處理多個(gè)文件，我們將再次運(yùn)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.

文件系統(tǒng)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，遞歸可以處理任意數(shù)量的圖像。

Click

Click 是一個(gè)神奇的工具。它可以包裝一個(gè)函數(shù)并在一個(gè)模塊中以“正常的方式”從一個(gè)if __name__ == '__main__'語(yǔ)句運(yùn)行。（實(shí)際上，它甚至不需要這樣做；你只需定義和裝飾要運(yùn)行的函數(shù)即可），但它真正的亮點(diǎn)在于將腳本作為包安裝。

這是通過(guò)Python附帶的setuptools庫(kù)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(zhí)行文件/包裝包：

pip install -e .

結(jié)論

本教程進(jìn)行了大量的研究：

• 首先介紹了一些用于圖像處理的第三方Python庫(kù)。
• 然后使用Python從頭構(gòu)建一個(gè)圖像，以進(jìn)一步了解圖像的實(shí)際含義。
• 然后，選擇其中一個(gè)選項(xiàng)，并構(gòu)建一個(gè)腳本，在保持圖像比例的同時(shí)縮小圖像。
• 最后,把所有這些放在一個(gè)命令行實(shí)用程序中，通過(guò)click接受可配置的選項(xiàng)。

請(qǐng)記住，編寫代碼可能需要數(shù)小時(shí)或數(shù)天。但它只需幾毫秒就可以運(yùn)行。你制作的程序不必很大。任何一件能節(jié)省你的時(shí)間或讓你產(chǎn)生更多產(chǎn)出的東西，都有可能為你的余生服務(wù)！

原文鏈接：

https://towardsdatascience.co...

以上就是如何使用Python調(diào)整圖像大小的詳細(xì)內(nèi)容，更多關(guān)于Python調(diào)整圖像大小的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！