使用不同的方法进行降采样时，图像渐变会变得不准确。

Question

我们有一个相当复杂的Python图像处理脚本，使用了PIL和numpy。其中一个步骤需要使用非常敏感的多通道梯度查找表。一旦创建完成，就会保存到多个不同的较小分辨率中。然而，当这样做时，绿色通道（从左到右具有渐变）似乎突然失去了精度。它应该每50个像素左右失去255个值中的1个。但实际上，它开始以每100个像素2个值的速度下降。这会导致巨大的问题，我无法弄清楚PIL为什么会这样做。然而，我发现在地图的其他部分也有1个单位的跳跃，因此我认为问题并不简单，可能不只是缺少一个位的精度。我还注意到在另一个通道上，整个地图似乎被移动了1个值。即使使用“最近”滤镜，一旦缩放，整个地图看起来都不准确。

对于全尺寸图像，我们使用以下代码从numpy数组创建它：

image = Image.fromarray(imageIn.astype(np.uint8))

我们接着将其缩小：

new_image = image.resize(new_size, scaleFilter)

这个比例总是最大值的一半，我已经尝试了所有可用的比例选项。

然后我们按以下方式将其保存为PNG：

new_image.save(file_name, 'PNG')

我们使用相同的保存命令直接保存第一步后的大文件，这样做是没问题的。在缩放之后，我们在绿色通道上出现了问题。任何帮助都将不胜感激！

编辑：

现在看来很可能是SciPy的问题。以下内容仍会导致问题：

    new_array = misc.imresize(imageIn, (x_size, y_size, 4), interp='nearest')
    misc.imsave(file_name,new_array)

我不理解为什么即使使用最近邻算法也会出现扭曲问题。我将此数组分配为float64，但其中必须涉及代码中的四舍五入问题。

编辑#2：

我进一步尝试了使用OSX内置程序sips下载它，并得到了同样的扭曲！然后我尝试使用Adobe After Effects进行操作，操作正常。然后我安装了imagemagick，现在可以正常工作。如果有人能够解释所有这些方法中发生的原因，我仍将授予奖励。

编辑＃3：

根据请求，这里是一个缩放和未缩放的雪碧图片段。在创建它们期间，我发现OSX内置的“预览”应用程序在缩小时也会导致缩放问题，因此我实际上必须使用Photoshop获取原始剪辑。

原始剪辑： 带有失真的缩放。请尝试查看沿水平轴的绿色通道： 请注意，这些裁剪不是完全相同的像素，但是从形状上可以看出它们是从同一区域裁剪出来的。

编辑＃4：

我现在尝试通过应用程序内的OpenGL进行此缩放，并发现它也会发生！这必须涉及使用固定位数进行双线性插值的一些基本问题？

- David

---

什么是 scaleFilter？ - user2379410

imresize()和imsave()都内部调用toimage()，它似乎会将像素值重新缩放为0-255。 - Reti43

你在使用SciPy时遇到的问题是它内部调用了PIL来进行调整大小，这就是为什么行为是相同的原因。我更喜欢OpenCV，特别是当我使用numpy时，因为没有来回转换（不像PIL，使用cv2加载的图像存储为numpy数组）。 - bconstanzo

David，你可以发布一个渐变图像的示例（在缩放之前）和/或生成它的代码吗？此外，您可以发布可运行的缩放代码示例吗？我想知道发生了什么，但在完整的示例上展示会更容易。 - Alex I

PIL（参见来源）在“预乘alpha”空间中调整大小，导致一些透明信息渗入颜色通道。其思想是不混合透明和不透明像素的颜色，我猜这对于普通图像是需要的，但对于查找表来说就不好了。由于使用了uint8中介，这个问题在PIL中被夸大了。 - user2379410

Answer 1

以下代码使用skimage在缩放50%时似乎做得很好：

import numpy
import skimage
import skimage.io

img = skimage.io.imread('uY173.png')

import skimage.transform

img50_order0 = skimage.img_as_ubyte( skimage.transform.rescale(img, 0.5, order=0, clip=True) )
img50_order1 = skimage.img_as_ubyte( skimage.transform.rescale(img, 0.5, order=1, clip=True) )

img50_lm = numpy.rint( skimage.transform.downscale_local_mean(img, (2,2,1), clip=True) )

import scipy.ndimage.interpolation

img50_nd = scipy.ndimage.interpolation.zoom(img, (0.5, 0.5, 1))

# plot section of green channel along horizontal axis
plot(img50_order0[50, :, 1])
plot(img50_order1[50, :, 1])
plot(img50_lm[50, :, 1])
plot(img50_nd[50, :, 1])

据我所知，这似乎并不依赖于 PIL。源图像被读取为 uint8，在每个图像中以微妙的不同方式进行处理和舍入，最终得到 uint8 输出。尽管所有这些之间的差异从未超过 1，步骤也从未达到大小 2。

- Alex I