使用Python调整图像大小

作者|Nicholas Ballard
编译|VK
来源|Towards Data Science

可以说，每一个“使用计算机的人”都需要在某个时间点调整图像的大小。MacOS的预览版可以做到，WindowsPowerToys也可以。

本文使用Python来调整图像大小，幸运的是，图像处理和命令行工具是Python的两个特长。

本文旨在向你展示三件事：

1. 图像的基本概念。

2. 用于操作图像的Python库。

3. 你可以在自己的项目中使用本文的代码。

我们要构建的命令行程序可以一次调整一个或多个图像文件的大小。

创建图像

在这个例子中，我们将创建我们自己的图像，而不是找到一个真正的图像来操纵。

为什么？事实上，创造图像是一个很好的方式来说明一个图像实际上是什么。这个调整大小的程序在Instagram上也同样适用。

那么，什么是图像？在Python数据术语中，图像是int元组的列表。

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

NumPy的定义是一个二维形状数组 (h, w, 4)，其中h表示高的像素数（上下），w表示宽的像素数（从左到右）。

换句话说，图像是像素列表（行）的列表（整个图像）。每个像素由3个整数和1个可选浮点数组成：红色通道、绿色通道、蓝色通道、alpha（浮点可选）。红色、绿色、蓝色通道（RGB）的值从0到255。

从现在开始，我们将讨论没有alpha通道的彩色图像，以保持简单。Alpha是像素的透明度。图像也只能有一个值从0到255的通道。这就是灰度图像，也就是黑白图像。在这里我们使用彩色图像！

import matplotlib as plt

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

用纯Python制作图像

Python完全能够创建图像。要显示它，我将使用matplotlib库，你可以使用它安装：

pip install matplotlib

创建像素：

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)

创建图像：

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:
  """ 用可配置的像素块制作一个正方形图像(宽度和高度相同).
  Args:
      colors (Pixel): 可迭代的颜色呈现顺序的参数。
      blocksize (int, optional): [description]. 默认10.
      squaresize (int, optional): [description]. 默认9.
  Returns:
      Image: 一幅漂亮的正方形图片!
  """
  img: list = []
  colors = cycle(colors)
  for row in range(squaresize):
    row: list = []
    for col in range(squaresize):
      color = next(colors) # 设置颜色
      for _ in range(blocksize):
        values: list[int] = list(astuple(color))
        row.append(values)
    [img.append(row) for _ in range(squaresize)] # 创建行高
  return img


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

这就是渲染的图像。在背后，数据是这样的：

[[[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],
  ...

现在我们有了一个图像，让我们调整它的大小！

在Python中调整大小

在Python中编写调整图像大小的算法实际上有很多的工作量。

在图像处理算法中有很多内容，有些人为此贡献了十分多的工作。例如重采样——在缩小后的图像中使用一个像素来代表周围的高分辨率像素。图像处理是一个巨大的话题。如果你想亲眼看看，看看Pillow的Image.py，它在路径path/to/site-packages/PIL中。

这中间还有一些优化，比如抗锯齿和减少间隙…这里的内容非常多。我们是站在巨人的肩膀上，可以用一行代码来解决我们的问题。

如果你有兴趣了解更多有关处理图像时幕后发生的事情，我鼓励你更多地查看“机器视觉”主题！这绝对是一个蓬勃发展的领域。

做得足够好，就会有很多公司愿意为你的计算机视觉专业知识付出最高的代价。自动驾驶，IOT，监视，你命名它；所有基本上依赖于处理图片（通常在Python或C++）。

一个很好的起点是查看scikit image。

OpenCV

OpenCV可以用来作图像处理。他使用C++编写并移植到了Python

import cv2

def resize(fp: str, scale: Union[float, int]) -> np.ndarray:
    """ 调整图像大小，保持其比例
    Args:
        fp (str): 图像文件的路径参数
        scale (Union[float, int]): 百分比作为参数。如：53
    Returns:
        image (np.ndarray): 按比例缩小的图片
    """    
    _scale = lambda dim, s: int(dim * s / 100)
    im: np.ndarray = cv2.imread(fp)
    width, height, channels = im.shape
    new_ 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参数的选项是cv2包中提供的flags之一：

INTER_NEAREST – 近邻插值
INTER_LINEAR – 双线性插值(默认使用)
INTER_AREA – 利用像素区域关系重新采样。它可能是图像抽取的首选方法。但是当图像被缩放时，它类似于INTER_NEAREST方法。
INTER_CUBIC – 一个大于4×4像素邻域的双三次插值
INTER_LANCZOS4 – 一个大于8×8像素邻域的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)

它做了我们所期望的。图像从900像素高，900像素宽，到450×450（仍然有三个颜色通道）。因为Jupyter Lab的matplotlib着色，上面的屏幕截图看起来不太好。

Pillow

pillow库在Image类上有一个调整大小的方法。它的参数是：

size: (width, height)
resample: 默认为BICUBIC. 重采样算法需要的参数。
box: 默认为None。为一个4元组，定义了在参数(0,0，宽度，高度)内工作的图像矩形。
reducing_gap: 默认为None。重新采样优化算法，使输出看起来更好。

以下是函数：

from PIL import Image

def resize(fp: str, scale: Union[float, int]) -> np.ndarray:
    """ 调整图像大小，保持其比例
    Args:
        fp (str): 图像文件的路径参数
        scale (Union[float, int]): 百分比作为参数。如：53
    Returns:
        image (np.ndarray): 按比例缩小的图片
    """
    _scale = lambda dim, s: int(dim * s / 100)
    im = Image.open(fp)
    width, height = im.size
    new_ 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 的函数与OpenCV非常相似。唯一的区别是PIL.Image.Image类具有用于访问图像（宽度、高度）的属性大小。

结果是：

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

请注意show方法如何打开操作系统的默认程序以查看图像的文件类型。

创建命令行程序

现在我们有了一个调整图像大小的函数，现在是时候让它有一个运行调整大小的用户界面了。

调整一个图像的大小是可以的。但我们希望能够批量处理图像。

我们将要构建的接口将是最简单的接口：命令行实用程序。

Pallets项目是Flask背后的天才社区，是一个Jinja模板引擎：Click(https://click.palletsprojects.com/en/7.x/。)

pip install click

Click是一个用于制作命令行程序的库。这比使用普通的argparse或在if __name__ == '__main__':中启动一些if-then逻辑要好得多。所以，我们将使用Click来装饰我们的图像调整器。

下面是从命令行调整图像大小的完整脚本！

""" resize.py
"""

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

import click
from PIL import Image


"""
文档:
    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:
    """ 调整图像大小，保持其比例
    Args:
        fp (str): 图像文件的路径参数
        scale (Union[float, int]): 百分比作为参数。如：53
    Returns:
        image (np.ndarray): 按比例缩小的图片
    """
    _scale = lambda dim, s: int(dim * s / 100)
    im: PIL.Image.Image = Image.open(fp)
    width, height = im.size
    new_ 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()

命令行程序从入口点函数main运行。参数通过传递给click.option选项：

• pattern采用字符串形式来定位与脚本运行的目录相关的一个或多个图像。--pattern="../catpics/*.png将向上一级查找catpics文件夹，并返回该文件夹中具有.png图像扩展名的所有文件。
• scale接受一个数字、浮点或整数，并将其传递给resize函数。这个脚本很简单，没有数据验证。如果你添加到代码中，检查比例是一个介于5和99之间的数字（合理的缩小比例参数）。你可以通过-s "chicken nuggets"进行设置。
• 如果不希望在程序运行时将文本输出到标准流，则quiet是一个选项参数。

从命令行运行程序：

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

结果：

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

正在检查文件夹：

$ 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

不错！所以程序缩小了图像，给了它一个描述性的标签，我们可以看到文件大小从362KB到231KB！

为了查看程序同时处理多个文件，我们将再次运行它：

$ 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.

文件系统输出：

$ 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，递归可以处理任意数量的图像。

Click

Click 是一个神奇的工具。它可以包装一个函数并在一个模块中以“正常的方式”从一个if __name__ == '__main__'语句运行。（实际上，它甚至不需要这样做；你只需定义和装饰要运行的函数即可），但它真正的亮点在于将脚本作为包安装。

这是通过Python附带的setuptools库完成的。

这是我的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执行文件/包装包：

pip install -e .

现在，你可以在不使用python命令的情况下调用脚本。另外，如果你将新的可执行文件添加到路径中的文件夹中，你可以从计算机上的任何位置调用此程序，如resize -p *jpg -s 75

结论

本教程进行了大量的研究：

• 首先介绍了一些用于图像处理的第三方Python库。
• 然后使用Python从头构建一个图像，以进一步了解图像的实际含义。
• 然后，选择其中一个选项，并构建一个脚本，在保持图像比例的同时缩小图像。
• 最后,把所有这些放在一个命令行实用程序中，通过click接受可配置的选项。

请记住，编写代码可能需要数小时或数天。但它只需几毫秒就可以运行。你制作的程序不必很大。任何一件能节省你的时间或让你产生更多产出的东西，都有可能为你的余生服务！

资源

• click(https://click.palletsprojects.com/en/7.x/)
• matplotlib(https://matplotlib.org/3.2.0/tutorials/introductory/images.html)
• opencv(https://docs.opencv.org/4.4.0/)
• pillow(https://pillow.readthedocs.io/en/stable/)
• scikit-image(https://scikit-image.org/)

原文链接：https://towardsdatascience.com/how-to-resize-images-using-python-8aaba74602ed

欢迎关注磐创AI博客站：
http://panchuang.net/

sklearn机器学习中文官方文档：
http://sklearn123.com/

欢迎关注磐创博客资源汇总站：
http://docs.panchuang.net/