代码之家 › 专栏 › 技术社区 › Austin

有效地调整np.array图像的批大小

scikit-image image-resizing tensorflow python-3.x python

3

Austin · 技术社区 · 7 年前

我有一个4D np.array大小(10000,32,32,3),表示一组10000个RGB图像。

skimage.transform.resize 或其他功能来有效地调整所有图像的大小,使(32,32)插值到(224224)?我更喜欢用撇取法,但我愿意接受任何不使用的解决方案 tf.image.resize_images .

,但它会导致GPU内存问题,稍后在我的管道(不会释放内存后,在jupyter笔记本完成),所以我想更换它。

例子:

import tensorflow as tf
X = tf.image.resize_images(X,[224, 224])
with tf.Session() as sess:
    X = X.eval()

2 回复 | 直到 7 年前

1

5

Austin 7 年前

top ).

from skimage.transform import resize

imgs_in = np.random.rand(100, 32, 32, 3)
imgs_out = np.zeros((100,224,224,3))

for n,i in enumerate(imgs_in):
    imgs_out[n,:,:,:] = resize(imgs_in[n,:,:,:], imgs_out.shape[1:], anti_aliasing=True)

print(imgs_out.shape)

似乎比以前快了7-8倍 ndi.zoom multiprocessing

2

3

Andras Deak -- Ð¡Ð»Ð°Ð²Ð° Ð£ÐºÑÐ°ÑÐ½Ñ 7 年前

一种可能性是 scipy.ndimage.zoom

import numpy as np
import scipy.ndimage as ndi

imgs_in = np.random.rand(100, 32, 32, 3)
factor = 224/imgs_in.shape[1]
imgs_out = ndi.zoom(imgs_in, (1, factor, factor, 1), order=2)
print(imgs_out.shape)

生成的形状是 (100, 224, 224, 3) 一如预期。

您必须检查运行时和结果是否符合您的需要。旋转插值顺序可能会影响这一点:二阶和(默认)三阶样条曲线之间存在明显的速度差异,这是以插值质量为代价的。