python - 重新缩放一个 numpy 数组

Question

我有一个 2D numpy 数组，它表示来自 CCD 的单色图像，该图像已合并为 3x3(也就是说，数组中的每个值代表物理 CCD 上的 9 个像素 (3x3))。

我想重新缩放它以匹配原始 CCD 布局(这样我就可以轻松地将它与来自同一 CCD 的非合并图像叠加)。

我看到了Resampling a numpy array representing an image ，但这似乎并不能满足我的要求。

假设我有一个数组 g:

import numpy as np
import scipy.ndimage

 g = np.array([[0, 1, 2],
               [3, 4, 5],
               [6, 7, 8]])

当我尝试将它缩放 2 倍时:

o = scipy.ndimage.zoom(g, 2, order=0)

我得到的正是我所期望的 - 每个值现在都是 2x2 相同的值:

array([[0, 0, 1, 1, 2, 2],
       [0, 0, 1, 1, 2, 2],
       [3, 3, 4, 4, 5, 5],
       [3, 3, 4, 4, 5, 5],
       [6, 6, 7, 7, 8, 8],
       [6, 6, 7, 7, 8, 8]])

但是当我尝试按 3 倍缩放时，我得到了这个:

o = scipy.ndimage.zoom(g, 3, order=0)

给我:

array([[0, 0, 1, 1, 1, 1, 2, 2, 2],
       [0, 0, 1, 1, 1, 1, 2, 2, 2],
       [3, 3, 4, 4, 4, 4, 5, 5, 5],
       [3, 3, 4, 4, 4, 4, 5, 5, 5],
       [3, 3, 4, 4, 4, 4, 5, 5, 5],
       [3, 3, 4, 4, 4, 4, 5, 5, 5],
       [6, 6, 7, 7, 7, 7, 8, 8, 8],
       [6, 6, 7, 7, 7, 7, 8, 8, 8],
       [6, 6, 7, 7, 7, 7, 8, 8, 8]])

我希望原始数组中的每个值都变成一组 3x3 值...这不是我得到的。

我该怎么做？ (为什么我会得到这个不直观的结果？)

Answer 1

您可以使用 np.kron :

In [16]: g
Out[16]: 
array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])

In [17]: np.kron(g, np.ones((3,3), dtype=int))
Out[17]: 
array([[0, 0, 0, 1, 1, 1, 2, 2, 2],
       [0, 0, 0, 1, 1, 1, 2, 2, 2],
       [0, 0, 0, 1, 1, 1, 2, 2, 2],
       [3, 3, 3, 4, 4, 4, 5, 5, 5],
       [3, 3, 3, 4, 4, 4, 5, 5, 5],
       [3, 3, 3, 4, 4, 4, 5, 5, 5],
       [6, 6, 6, 7, 7, 7, 8, 8, 8],
       [6, 6, 6, 7, 7, 7, 8, 8, 8],
       [6, 6, 6, 7, 7, 7, 8, 8, 8]])

zoom(g, 3, order=0) 的输出有点令人惊讶。考虑第一行:[0, 0, 1, 1, 1, 1, 2, 2, 2]。为什么有四个 1？

当 order=0 zoom(有效)计算 np.linspace(0, 2, 9) 时，看起来像

In [80]: np.linspace(0, 2, 9)
Out[80]: array([ 0.  ,  0.25,  0.5 ,  0.75,  1.  ,  1.25,  1.5 ,  1.75,  2.  ])

然后四舍五入这些值。如果你使用 np.round()，你会得到:

In [71]: np.round(np.linspace(0, 2, 9)).astype(int)
Out[71]: array([0, 0, 0, 1, 1, 1, 2, 2, 2])

注意 np.round(0.5) 给出 0，但是 np.round(1.5) 给出 2。 np.round() 使用 "round half to even" tie-breaking rule .显然，在 zoom 代码中完成的舍入使用了 "round half down" rule : 它将 0.5 舍入到 0 并将 1.5 舍入到 1，如下所示

In [81]: [int(round(x)) for x in np.linspace(0, 2, 9)]
Out[81]: [0, 0, 1, 1, 1, 1, 2, 2, 2]

这就是为什么里面有四个 1 的原因。