tf.image.resize

Изменение размера images до size с использованием указанного method.

tf.image.resize(
    images, size, method=ResizeMethod.BILINEAR, preserve_aspect_ratio=False,
    antialias=False, name=None
)

Изменённые изображения будут искажены, если их исходное соотношение сторон не совпадает с size. Чтобы избежать искажений, см. tf.image.resize_with_pad.

image = tf.constant([
 [1,0,0,0,0],
 [0,1,0,0,0],
 [0,0,1,0,0],
 [0,0,0,1,0],
 [0,0,0,0,1],
])
# Add "batch" and "channels" dimensions
image = image[tf.newaxis, ..., tf.newaxis]
image.shape.as_list()  # [batch, height, width, channels]
[1, 5, 5, 1]
tf.image.resize(image, [3,5])[0,...,0].numpy()
array([[0.6666667, 0.3333333, 0.       , 0.       , 0.       ],
       [0.       , 0.       , 1.       , 0.       , 0.       ],
       [0.       , 0.       , 0.       , 0.3333335, 0.6666665]],
      dtype=float32)

Она работает одинаково хорошо как с одним изображением, так и с набором изображений:

tf.image.resize(image[0], [3,5]).shape.as_list()
[3, 5, 1]

Когда antialias имеет значение true, фильтр выборки будет также применять антиалиасинг к входному изображению, а также интерполировать. При уменьшении размера изображения с использованием антиалиасинга ядро фильтра выборки масштабируется, чтобы правильно выполнить антиалиасинг сигнала входного изображения. antialias не оказывает влияния при увеличении размера изображения:

a = tf.image.resize(image, [5,10])
b = tf.image.resize(image, [5,10], antialias=True)
tf.reduce_max(abs(a - b)).numpy()
0.0

Аргумент method ожидает элемент из перечисления image.ResizeMethod или его строковое эквивалент. Доступные варианты:

• bilinear: Билинейная интерполяция. Если antialias имеет значение true, становится функцией фильтра "шляпа/палатку" с радиусом 1 при уменьшении размера.
• lanczos3: Ядро Лагранжа с радиусом 3. Практически высококачественный фильтр, но может иметь некоторые артефакты «звона», особенно на синтетических изображениях.
• lanczos5: Ядро Лагранжа с радиусом 5. Фильтр очень высокого качества, но может иметь более сильные артефакты «звона».
• bicubic: Кубический интерполянт Киз. Эквивалентно ядру Катмулл-Рома. Приемлемо высокое качество и быстрее, чем Lanczos3Kernel, особенно при увеличении размера.
• gaussian: Гауссово ядро с радиусом 3, sigma = 1.5 / 3.0.
• nearest: Интерполяция ближайшего соседа. antialias не оказывает никакого влияния при использовании интерполяции ближайшего соседа.
• area: Антиалиасинг с интерполяцией области. antialias не оказывает влияния при использовании интерполяции области; она всегда выполняет антиалиасинг.
• mitchellcubic: Кубический фильтр Митчелла-Нетравали, не интерполирующий. Для синтетических изображений (особенно тех, которым не хватает соответствующей предварительной фильтрации), меньше артефактов «звона», чем кубическое ядро Киз, но менее резкое.

Примечание: Вблизи краёв изображения ядро фильтра может частично выходить за границы изображения. Для этих пикселей будут учитываться только пиксели входного изображения внутри границ, а значение выходного пикселя будет соответствующим образом нормировано.

Значение возврата имеет тип float32, если только method не является ResizeMethod.NEAREST_NEIGHBOR, тогда тип возвращаемого значения совпадает с типом images:

nn = tf.image.resize(image, [5,7], method='nearest')
nn[0,...,0].numpy()
array([[1, 0, 0, 0, 0, 0, 0],
       [0, 1, 1, 0, 0, 0, 0],
       [0, 0, 0, 1, 0, 0, 0],
       [0, 0, 0, 0, 1, 1, 0],
       [0, 0, 0, 0, 0, 0, 1]], dtype=int32)

С помощью preserve_aspect_ratio=True, сохраняется соотношение сторон, поэтому size является максимальным для каждого измерения:

max_10_20 = tf.image.resize(image, [10,20], preserve_aspect_ratio=True)
max_10_20.shape.as_list()
[1, 10, 10, 1]