该
scipy.misc.imresize功能对我来说有点奇怪。一方面，这就是当我
scipy.misc.imresize在该图像上以1.0比例指定您提供给呼叫的示例2D图像时发生的情况。理想情况下，它应该为您提供相同的图像，但是我们得到的是（在IPython中）：
In [35]: from scipy.misc import imresizeIn [36]: import numpy as npIn [37]: dtest = np.array(([1,2,3],[4,5,6],[7,8,9]))In [38]: out = imresize(dtest, 1.0)In [39]: outOut[39]: array([[ 0, 32, 64], [ 96, 127, 159], [191, 223, 255]], dtype=uint8)
它不仅将输出的类型更改为
uint8，而且还 缩放
值。一方面，它看起来使图像的最大值等于255，而最小值等于0。MATLAB
imresize并没有这样做，而是按照我们期望的方式调整了图像的大小：
>> dtest = [1,2,3;4,5,6;7,8,9];>> out = imresize(dtest, 1)out = 1 2 3 4 5 6 7 8 9
但是，您需要意识到MATLAB会在默认情况下启用了抗锯齿的情况下执行大小调整。我不确定
scipy.misc.resize在这里做什么，但是我敢打赌没有启用抗锯齿功能。
编辑-2016年11月23日
正如Eric在下面的评论中所指出的那样，如果将图像预铸成所需的类型，您将获得预期的结果：
In [10]: dtest = np.array([[1,2,3],[4,5,6],[7,8,9]], dtype=np.uint8)In [11]: out = imresize(dtest, 1.0)In [12]: outOut[12]: array([[1, 2, 3], [4, 5, 6], [7, 8, 9]], dtype=uint8)
我们可以看到图像没有缩放到该
[0,255]范围。为了最终到达您需要去的地方，我们必须获得图像的浮点表示。
scipy.misc.imresize有一个称为的附加标志
'mode'，您可以指定此标志
'F'以确保输出为浮点数。
In [14]: scale = 1.4In [15]: out = imresize(dtest, 1/scale, mode='F')In [16]: outOut[16]: array([[ 2.5 , 3.75], [ 6.25, 7.5 ]], dtype=float32)
如您将在后面看到的，您看到的结果
scipy.misc.resize与您在MATLAB中看到的结果不匹配。
为了获得最佳结果，请不要指定比例-请指定目标输出大小以重现结果。这样，
1/scale您的情况就接近于
2 x2大小输出，因此这就是您在MATLAB中要做的事情：
>> dtest = [1,2,3;4,5,6;7,8,9];>> out = imresize(dtest, [2,2], 'bilinear', 'AntiAliasing', false)out = 2.0000 3.5000 6.5000 8.0000
您会看到矩阵中的某些值与不对齐
scipy.misc.resize。匹配您在MATLAB中看到的内容。与您想要的最接近的东西是OpenCV的
resize功能或scikit-
image的
resize功能。两者都没有抗锯齿。如果要使Python和MATLAB彼此匹配，请使用双线性插值方法。
imresize在MATLAB中，默认情况下使用双三次插值，并且我知道MATLAB使用自定义内核来执行此操作，因此，如果在方法之间使用双三次插值，则匹配它们的输出将更加困难。有关更多信息，请参阅此帖子：
MATLAB vs C ++ vs OpenCV-
Imresize
使用Python OpenCV：
In [93]: import numpy as npIn [94]: import cv2In [95]: dtest = np.array(([1,2,3],[4,5,6],[7,8,9]), dtype='float')In [96]: out = cv2.resize(dtest, (2,2))In [97]: outOut[97]: array([[ 2. , 3.5], [ 6.5, 8. ]])
使用scikit-image：
In [100]: from skimage.transform import resizeIn [101]: dtest = np.array(([1,2,3],[4,5,6],[7,8,9]), dtype='uint8')In [102]: out = resize(dtest, (2,2), order=1, preserve_range=True)In [103]: outOut[103]: array([[ 2. , 3.5], [ 6.5, 8. ]])
最后需要注意的一件事是，当指定浮点比例时，MATLAB，OpenCV和scikit-
image的行为彼此不同。我做了一些实验，并通过指定浮点大小，无法获得匹配的结果。除此之外，scikit-
image不支持采用比例因子，这更是明确声明输出尺寸而非比例的原因。
