即墨网站推广,合肥商城网站开发,郑州做网站优化公,网站高端设计前言
numpy中的resize函数顾名思义#xff0c;可以用于调整数组的大小。但具体如何调整#xff1f;数组形状变了#xff0c;意味着数组中的元素个数发生了变化(增加或减少)#xff0c;如何确定resize后的新数组中每个元素的数值呢#xff1f;本次博文就来探讨并试图回答这…前言
numpy中的resize函数顾名思义可以用于调整数组的大小。但具体如何调整数组形状变了意味着数组中的元素个数发生了变化(增加或减少)如何确定resize后的新数组中每个元素的数值呢本次博文就来探讨并试图回答这个问题感兴趣的小伙伴可以继续阅读下去希望对您有所启示~
numpy中的resize函数背后的机理
纯粹的文字说明不太直观小编更倾向用代码工具进行直观展示。代码如下
import numpy as np
import cv2img1 np.zeros((256, 256), dtypenp.uint8) # 创建一个大小为256*256的全黑图像
for i in range(256):if i % 2 0: # 如果第i行是偶数行则该行所有值设为255, 即全白否则全黑i从0开始img1[i, :] 255
cv2.imshow(img1, img1)
cv2.waitKey(0) # 显示图像 延迟5秒退出窗口结果如下 可以看出利用代码生成的图片是黑白相间分布的灰度图像图像大小为256×256。 如果此时用numpy中的resize函数将上图调整成大小为256×512的新图像那么新图像会长成什么样呢还是黑白相间分布吗
代码如下
import numpy as np
import cv2img1 np.zeros((256, 256), dtypenp.uint8) # 创建一个大小为256*256的全黑图像
for i in range(256):if i % 2 0: # 如果第i行是偶数行则该行所有值设为255, 即全白否则全黑i从0开始img1 np.resize(img1, (256, 512)) # 调整图像大小cv2.imshow(img1, img1)
cv2.waitKey(0) # 显示图像 延迟5秒退出窗口运行结果如下
结果竟然是左白右黑(有没有出乎你的意料呢有的话可以点个赞支持一下~)
背后的机理解读
利用numpy的resize函数从黑白相间分布的大小为256×256的原图调整为256×512的新图像后竟然呈现出左白右黑的现象。咋一看似乎摸不着头脑其实背后的机理很简单。 机理当新图像的大小确定后就把原图的像素从左到右从上到下【依次填入】新图像。由于原图第一行全白第二行全黑而第一行像素和第二行像素之和恰好等于新图像第一行像素之和。以此类推便会出现左白右黑的结果。
numpy的resize函数 vs numpy数组的resize方法
提到numpy的resize函数就自然而然地会想到numpy数组的resize方法。同样是调整数组/图像的大小两者的使用有何区别呢还是那句话show you the code
区别一numpy数组的resize方法是in-place操作
# numpy数组的resize方法
img1.resize((256, 512)) # numpy数组的resize方法是in-place操作即直接在原数组/图像上修改而numpy的resize函数需要返回一个新数组区别二numpy数组的resize方法在新数组大小原数组时直接填充0并不继续填充原数组数值
# numpy数组的resize方法
img1.resize((256, 512)) # numpy数组的resize方法是in-place操作即直接在原数组/图像上修改而numpy的resize函数需要返回一个新数组
cv2.imshow(img1, img1)
cv2.waitKey(0) # 显示图像 延迟5秒退出窗口结果如下 容易发现numpy数组的resize方法在填充完一遍原数据的数值后(上图的上半部分)剩余的数值直接填充0(上图的下半部分即全黑)
如果本博文对你有所帮助可以点个赞/收藏支持一下如果能够持续关注小编感激不尽~ 小编会坚持创作持续优化博文质量以小见大给读者带来更好地阅读体验~
