質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

88.61%

二次元のnumpy配列をリサイズしたい

解決済

回答 3

投稿

  • 評価
  • クリップ 1
  • VIEW 9,967

sasasho

score 15

numpyの二次元配列で例えば、256*256のものがあるとします。
これを図に表すと正方形の図として、可視化できると思いますが、それを画像拡大・縮小のように、128*128に変えたいのですが、色々調べても分からず…。画像の拡大縮小なら多くの関数があったのですが。
説明が下手でわかりにくいかも知れませんが、よろしくお願いいたします…!

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 過去に投稿した質問と同じ内容の質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

質問への追記・修正、ベストアンサー選択の依頼

  • hayataka2049

    2018/10/17 03:43

    アルゴリズムが何通りか考えられます。どんなアルゴリズムを使いたいですか?

    キャンセル

  • sasasho

    2018/10/17 10:09

    ありがとうございます。用途としてはGANの画像生成で256ではサイズが大きすぎるので128にリサイズして、画像生成し生成後再び256に戻すことを考えています。それに適したものがあれば、お願いしたいです(回答になっていないかもしれません…)。

    キャンセル

  • tiitoi

    2018/10/17 11:06

    GAN なら縮小は Max Pooling、拡大は Upsampling を使うのでは駄目なのでしょうか?DCGAN とか実際そうなっていると思いますが

    キャンセル

  • sasasho

    2018/10/17 11:58

    勉強不足で申し訳ないのですが、参考にしているDCGANを利用した論文ではリサイズして縮小してからGANにかけていました→『Unlabeled Samples Generated by GAN』。また大きな画像で行うとパラメータ数が大きく計算に時間がかかるのではないかと考えました。ご意見いただければ幸いです。

    キャンセル

回答 3

checkベストアンサー

+1

numpy配列を画像処理系のライブラリの型に変換し、縮小してからnumpy配列に戻せば良いでしょう。

import numpy as np
from PIL import Image

a = np.arange(8*8).reshape((8,8))
print(a)
i = Image.fromarray(np.uint8(a))
a = np.asarray(i.resize((4,4)))  # フィルタ等はお好みで
print(a)

""" =>
[[ 0  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]]
[[ 9 11 13 15]
 [25 27 29 31]
 [41 43 45 47]
 [57 59 61 63]]
"""

参考:
NumPyのarrayとPILの変換 - white wheelsのメモ
Python, Pillowで画像を一括リサイズ(拡大・縮小) | note.nkmk.me

投稿

編集

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2018/10/17 10:42

    ありがとうございます。もし(10000, 256, 256)のような10000個の256*256に対して全て同じ拡大縮小を行いたい場合には、どうすればいいでしょうか。

    キャンセル

  • 2018/10/17 10:59

    私の回答の方法でやるなら、ループを10000回回すしかありません。ただ、機械学習等で使うならフレームワークごとに何らかの前処理の方法をサポートしていると思うので、そういったものを活用する方向で調べてみてください

    キャンセル

  • 2018/10/17 11:55

    ありがとうございます。ループorサポートを調べてみようと思います。

    キャンセル

0

こうですか?

A = np.empty((256,256),float)

#Aに値を代入(省略)

#128×128の配列BにAを圧縮して代入する
B = np.empty((128,128),float)

for i in range(128):
    for j in range(128):
        B[i][j]=0
        for k in range(2):
            for l in range(2):
                B[i][j]=B[i][j]+A[2*i+k][2*j+l]/4

投稿

編集

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2018/10/17 10:12

    ありがとうございます。ピクセルの数が(1/2)^2になるので、元の4マス分の平均値を1マスに入れるということですね!私には少々複雑ですが、試しにやってみたいと思います!

    キャンセル

0

コメント欄で言及している論文は Unlabeled Samples Generated by GAN Improve the Person Re-identification Baseline in vitro  でしょうか?
生成した画像を (128, 128, 3) を (256, 256, 3) にリサイズすると書いてありますね

 1枚の画像をリサイズするサンプル

TensorFlow / Keras であれば、tf.image.resize_bilinear() という関数があるので、これでミニバッチをまとめてリサイズできます。

import cv2
import tensorflow as tf
import numpy as np

# 入力画像作成
img = np.random.randint(0, 10, (128, 128, 3), dtype=np.uint8)

# OpenCV によるリサイズ
cv_resized = cv2.resize(img, (256, 256), interpolation=cv2.INTER_LINEAR)
print(cv_resized.shape)  # (256, 256, 3)

# TensorFlow によるリサイズ
x = tf.placeholder(tf.float32)
resize = tf.image.resize_bilinear(x, (256, 256))
with tf.Session() as sess:
    tf_resized = sess.run(resize, feed_dict={x: img[np.newaxis, ...]})
    tf_resized = tf_resized[0]
print(tf_resized.shape)  # (256, 256, 3)

# OpenCV と TensorFlow のリサイズ結果が一致するかどうか
print(np.any(np.isclose(cv_resized, tf_resized)))  # True

 速度

  • N枚の画像を1枚ずつ cv.resize() でリサイズする。
  • Tensorflow の tf.image.resize_bilinear() でN枚の画像をまとめてリサイズする。
import time
import cv2
import numpy as np
import tensorflow as tf

# 入力画像作成
num_imgs = 100
img_batch = np.random.randint(0, 10, (num_imgs, 128, 128, 3), dtype=np.uint8)

# OpenCV によるリサイズ
#------------------------------------
start = time.time()
for img in img_batch:
    cv2.resize(img, (256, 256), interpolation=cv2.INTER_LINEAR)
end = time.time() - start
print('resize {} images by using cv2.resize(): {:.4f} s'.format(num_imgs, end))

# TensorFlow によるリサイズ
#------------------------------------
x = tf.placeholder(tf.float32)
resize = tf.image.resize_bilinear(x, (256, 256))

start = time.time()
with tf.Session() as sess:
    sess.run(resize, feed_dict={x: img_batch})
end = time.time() - start
print('resize {} images by using tf.image.resize_bilinear(): {:.4f} s'.format(num_imgs, end))
resize 100 images by using cv2.resize(): 0.0144 s
resize 100 images by using tf.image.resize_bilinear(): 0.0330 s

OpenCV のほうが早い結果になりました。
TensorFlow でもリサイズは GPU ではなく、CPU で行っているのではないでしょうか?
OpenCV はこうした処理はかなり最適化されてるので、OpenCV のほうが早いのでしょう。

投稿

編集

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2018/10/17 16:16

    かなり詳しく教えていただき、ありがとうございます。入力はnumpyの二次元配列(128, 128)でchannelの部分がない白黒画像なので、GANを行ったあとのリサイズで利用させていただきます!

    キャンセル

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 88.61%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

関連した質問

同じタグがついた質問を見る