こしあん
2018-10-26

Numpyだけでサクッと画像を拡大する方法


Numpyだけで画像をサクッと拡大する方法を紹介します。OpenCVやPillowを使うまでもないな、というようなときに便利な方法です。ニューラルネットワークでインプットのサイズを調整するときも使えます。

ただのNearest Neighbor法

拡大前の1ピクセルを1つの四角形と見立てて、拡大率に合わせて拡大し、拡大後の矩形に対してペタペタと貼る方法をNearest Neighbor法といいます。画像の拡大をするときに真っ先に思いつきそうな方法です。

例えば2倍の拡大だったら、

# 拡大前
array([[0, 1],
       [2, 3]])
# 拡大後
array([[0, 0, 1, 1],
       [0, 0, 1, 1],
       [2, 2, 3, 3],
       [2, 2, 3, 3]])

とやる方法です。図にすれば一目瞭然ですね。

forループを使わない1文でスッキリ書く方法

ぱっとforループやnp.tileを使えばいいような気がしますが、もっとスッキリした書き方ありました。元ネタはStackOverFlowから。

imageというNumpy配列に画像が格納されているものとします。

image.repeat(2, axis=0).repeat(2, axis=1)

これは縦横2倍に拡大するサンプルです。これだけでいけるのです。これは目からウロコですね。

具体例を見てみましょう。どっかで見たことのありそうなアイコンがあります。

これを「icon.jpg」として読み込み、縦横8倍に拡大して、「zoomed_icon.jpg」として保存してみましょう。画像の読み込みと保存はコードを簡略化するためにPillowを使っています。実はPillowにはもっと高度なリサイズ関数あるのですが、Numpyでやりたいサンプルなので拡大には使いません。

import numpy as np
from PIL import Image

image = np.asarray(Image.open("icon.jpg").convert("RGB"), dtype=np.uint8)
zoomed_image = image.repeat(8, axis=0).repeat(8, axis=1)
Image.fromarray(zoomed_image).save("zoomed_icon.jpg")

結果は以下のとおりです。相当カクカクした画像になりますが、そういうアルゴリズムなので仕方ないです。

内部で何がおこっているか

せっかくなので内でどういう処理がされているか追ってみましょう。2×3の行列を画像と見立てて拡大してみます。

>>> x=np.arange(6).reshape(2,3)
>>> x
array([[0, 1, 2],
       [3, 4, 5]])
>>> x.repeat(2,axis=0)
array([[0, 1, 2],
       [0, 1, 2],
       [3, 4, 5],
       [3, 4, 5]])
>>> x.repeat(2,axis=0).repeat(2,axis=1)
array([[0, 0, 1, 1, 2, 2],
       [0, 0, 1, 1, 2, 2],
       [3, 3, 4, 4, 5, 5],
       [3, 3, 4, 4, 5, 5]])

np.arange…のところはいいですね。ただ2×3の行列を作っているだけです。

2つ目、「axis=0」を指定しているので、行列のaxis=0は行(縦)方向に繰り返しされます。その結果4×3の行列になります。

3つ目、「axis=1」としているので、行列のaxis=1は列(横)方向に繰り返しされます。その結果4×6の行列となり、最終的に元の行列(画像)がNearest Neighbor法で2倍に拡大されました。

以上です。Numpyで画像処理は時々必要になるのでぜひ使いこなしてくださいね。意外と本質的なことがわかって面白いです。

Related Posts

Numpyの配列のみを操作して四角形を描画する(Numpyの画像処理)... Numpyの画像処理です。Numpyの配列のみを操作して、画面上に四角形を描画してみます。Numpyの画像処理は出力結果の合成のときにたまに使う割には若干独特なので注意が必要です。 Numpy arrayの画像の構造は(y, x, channel) ここだけ覚えておけば大丈夫です。Pillo...
Chainerで画像の前処理やDataAugmentationをしたいときはDatasetMixin... Chainerにはデフォルトでランダムクロップや標準化といった、画像の前処理やDataAugmentation用の関数が用意されていません。別途のChainer CVというライブラリを使う方法もありますが、chainer.dataset.DatasetMixinを継承させて独自のデータ・セットを定...
Pythonで画像のカラーヒストグラムを簡単に表示する方法... 画像で赤、緑、青の画素がどのような分布になっているかという「カラーヒストグラム」を見たいことがあります。しかしいざ探すとツールが少ないのです。Pythonならほんの数行で出せます。 PillowとPyplotでとてもお手軽 カラーヒストグラムの原理は単純で、縦横カラーチャンネルの画像を、カラー...
PyTorchでサイズの異なる画像を読み込む方法... 実際の画像判定では、MNISTやCIFARのようにサイズが完全に整形されたデータはなかなか少ないです。例えばサイズが横幅は一定でも縦幅が異なっていたりするケースがあります。訓練画像間でサイズが異なる場合、そのまま読み込みするとエラーになります。その解決法を示します。 transforms.Ra...
Python(Numpy)で画像を水平反転する方法:Data Augmentation向け... OpenCVを使わずに単純に画像を左右反転(水平反転)する方法を考えます。ディープラーニングでデータのジェネレーターを自分で実装した場合、Data Augmentationを組み込む際にも必要になります。それを見ていきましょう。 左右反転自体は実は簡単 例えばNumpyの行列を左右反転させてみ...

Add a Comment

メールアドレスが公開されることはありません。 * が付いている欄は必須項目です