我正在转移Matlab的imresize代码写入Python。我找到了 scipy 的imresize，但我从 Matlab 得到了不同的结果。

如何通过python得到与Matlab相同的结果。

Python/scipyimresize

from scipy.misc import imresize
import numpy as np

dtest = np.array(([1,2,3],[4,5,6],[7,8,9]))
scale = 1.4
dim = imresize(dtest,1/scale)

Matlab imresize

dtest = [1,2,3;
         4,5,6;
         7,8,9];
scale = 1.4;
dim = imresize(dtest,1/scale);

这两段代码返回不同的结果。

The scipy.misc.imresize功能对我来说有点奇怪。一方面，这就是当我指定您提供给 a 的示例 2D 图像时发生的情况scipy.misc.imresize以 1.0 的比例调用此图像。理想情况下，它应该给你相同的图像，但我们得到的是这样的（在 IPython 中）：

In [35]: from scipy.misc import imresize

In [36]: import numpy as np

In [37]: dtest = np.array(([1,2,3],[4,5,6],[7,8,9]))

In [38]: out = imresize(dtest, 1.0)

In [39]: out
Out[39]: 
array([[  0,  32,  64],
       [ 96, 127, 159],
       [191, 223, 255]], dtype=uint8)

它不仅将输出的类型更改为uint8， 但它scales价值观也是如此。一方面，看起来它使图像的最大值等于 255，最小值等于 0。MATLAB 的imresize不这样做，它会按照我们期望的方式调整图像大小：

>> dtest = [1,2,3;4,5,6;7,8,9];
>> out = imresize(dtest, 1)

out =

     1     2     3
     4     5     6
     7     8     9

但是，您需要认识到 MATLAB 执行调整大小默认启用抗锯齿功能。我不知道什么scipy.misc.resize在这里做，但我敢打赌没有启用抗锯齿功能。

编辑 - 2016 年 11 月 23 日

正如 Eric 在下面的评论中指出的，如果您将图像预先转换为所需的类型，您将获得预期的结果：

In [10]: dtest = np.array([[1,2,3],[4,5,6],[7,8,9]], dtype=np.uint8)

In [11]: out = imresize(dtest, 1.0)

In [12]: out
Out[12]: 
array([[1, 2, 3],
       [4, 5, 6],
       [7, 8, 9]], dtype=uint8)

我们可以看到图像没有缩放到[0,255]范围。为了最终到达您需要去的地方，我们必须获得图像的浮点表示。scipy.misc.imresize有一个额外的标志称为'mode'你可以将其指定为'F'以确保输出为浮点型。

In [14]: scale = 1.4

In [15]: out = imresize(dtest, 1/scale, mode='F')

In [16]: out
Out[16]: 
array([[ 2.5 ,  3.75],
       [ 6.25,  7.5 ]], dtype=float32)

正如您稍后将看到的，您看到的结果scipy.misc.resize与您在 MATLAB 中看到的不匹配。

为了获得最佳结果，请勿指定比例 - 指定目标输出大小以重现结果。像这样，1/scale在你的情况下接近2 x 2大小输出，因此您可以在 MATLAB 中执行以下操作：

>> dtest = [1,2,3;4,5,6;7,8,9];
>> out = imresize(dtest, [2,2], 'bilinear', 'AntiAliasing', false)

out =

    2.0000    3.5000
    6.5000    8.0000

您可以看到矩阵中的某些值与scipy.misc.resize。与您在 MATLAB 中看到的内容相符。最接近你想要的是 OpenCV 的resize函数，或 scikit-image 的resize功能。这两个都没有抗锯齿功能。如果想让 Python 和 MATLAB 相互匹配，请使用双线性插值方法。imresizeMATLAB 中默认使用双三次插值，而且我知道 MATLAB 使用自定义内核来执行此操作，因此如果您在方法之间使用双三次插值，匹配它们的输出将会更加困难。请参阅这篇文章以获得更多信息的结果：

MATLAB vs C++ vs OpenCV - imresize

使用 Python OpenCV：

In [93]: import numpy as np

In [94]: import cv2

In [95]: dtest = np.array(([1,2,3],[4,5,6],[7,8,9]), dtype='float')

In [96]: out = cv2.resize(dtest, (2,2))

In [97]: out
Out[97]: 
array([[ 2. ,  3.5],
       [ 6.5,  8. ]])

使用 scikit 图像：

In [100]: from skimage.transform import resize

In [101]: dtest = np.array(([1,2,3],[4,5,6],[7,8,9]), dtype='uint8')

In [102]: out = resize(dtest, (2,2), order=1, preserve_range=True)

In [103]: out
Out[103]: 
array([[ 2. ,  3.5],
       [ 6.5,  8. ]])

最后一件有趣的事情是，MATLAB、OpenCV 和 scikit-image 在指定浮点比例时的行为彼此不同。我做了一些实验，通过指定浮点大小，我无法获得匹配的结果。除此之外，scikit-image 不支持采用比例因子，这更有理由明确说明输出大小而不是比例。