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
)

Измененные 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)

Это работает одинаково хорошо с одним изображением вместо пакета изображений:

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

Когда antialias имеет значение true, фильтр выборки будет выполнять антиалиасинг входного изображения, а также интерполировать его. При уменьшении размера изображения с антиалиасингом ядро фильтра выборки масштабируется для правильного антиалиасинга входного сигнала изображения. antialias не имеет эффекта 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 строкового эквивалента. Доступные варианты:

• bilinear: Билинейная интерполяция. Если antialias имеет значение true, то при уменьшении размера изображения становится функцией фильтра шляпы/навеса с радиусом 1.
• lanczos3: Ядро Лагранжа с радиусом 3. Практический фильтр высокого качества, но может иметь некоторое «звончение», особенно на синтетических изображениях.
• lanczos5: Ядро Лагранжа с радиусом 5. Фильтр очень высокого качества, но может иметь более сильное «звончение».
• bicubic: Кубический интерполянт Киса. Эквивалентно ядру Катмулла-Рома. Достаточно хорошее качество и быстрее, чем Lanczos3Kernel, особенно при увеличении размера.
• gaussian: Гауссовское ядро с радиусом 3, sigma = 1.5 / 3.0.
• nearest: Интерполяция ближайшего соседа. antialias не оказывает влияния при использовании интерполяции ближайшего соседа.
• area: Антиалиасинговая ресемплинг с интерполяцией области. antialias не оказывает влияния при использовании интерполяции области; он всегда выполняет антиалиасинг.
• mitchellcubic: Кубический неинтерполяционный фильтр Митчелла-Нетравали. Для синтетических изображений (особенно тех, которые не имеют надлежащего предварительного фильтра), меньше «звончения», чем кубическое ядро Киса, но меньше резкости.

Примечание: Вблизи краёв изображения ядро фильтра может частично находиться за пределами границ изображения. Для этих пикселей будут включены только пиксели входного изображения внутри границ, а значение выходного значения будет соответствующим образом нормализовано.

Значение возврата имеет тип float32, если method не является ResizeMethod.NEAREST_NEIGHBOR, в таком случае возвращаемый тип данных совпадает с типом данных 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)

При использовании preserve_aspect_ratio=True, соотношение сторон сохраняется, 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]