【超分辨率】超分辨率中的imresize函数（python, Matlab）_python imresize_Shwan_Ma的博客

Matlab中的实现方式：

一般来说，先对图像进行归一化至[0,1]之间，然后再进行resize，然后再进行计算PSNR。
im  = imread(['./Set5/' num2str(imglist(i).name)]);
im = modcrop(im, up_scale);
if size(im,3)>1
    im = rgb2ycbcr(im);
    im = im(:, :, 1);
im_gnd = im;
im_gnd = single(im_gnd)/255;
im_l = imresize(im_gnd, 1/up_scale, 'bicubic');
im_b = imresize(im_l, up_scale, 'bicubic');
im_gnd = shave(uint8(im_gnd * 255), [up_scale, up_scale]);
im_b = shave(uint8(im_b * 255), [up_scale, up_scale]);
psnr_bic = compute_psnr(im_gnd,im_b)
matlab 实验结果
 
实验结果如主流论文中一致，当上采样因子为x2时，Set5的平均PSNR为33.66。 
Python中的实现方式：
 
一、scipy的实现方式：
 
scipy的API文档：
  
注意：如果模式是None, L, P, 1其中之一的话，scipy会把输入的图像（无论输入是[0,1]还是[0.255]）进行拉伸到[0,255]的数值范围。所以当把图像归一化后数值被imresize会重新拉伸，导致损失精度较大 
这里模式： mode = 1： 二值图像； mode = L : 灰度图像； mode = P： 8位彩图（FCN网络）；mode = None：default 
scale = 2
imgDir = './data/Set5/'
imglist = os.listdir(imgDir)
imgs = utils.load_images_alignment(imgDir,imglist)
for i in range(len(imgs)):
    imgs[i] = rgb2ycbcr(imgs[i])
import scipy.misc as smi
inter_imgs = []
for i in range(len(imgs)):
    img = imgs[i]
    h,w = img.shape[0], img.shape[1]
    h_, w_ =  int(h/scale), int(w/scale)
    im_l = smi.imresize(img, (h_,w_),interp='bicubic')
    im_b = smi.imresize(im_l, (h,w), interp='bicubic')
    inter_imgs.append(im_b)
total_sum = 0
for i in range(len(inter_imgs)):
    x = shave(np.uint8(inter_imgs[i]))
    y = shave(np.uint8(imgs[i]))
    ps = calcPSNR(x,y)
    print(ps)
    total_sum += ps
print("ave PSNR:", total_sum/len(inter_imgs))
scipy实验结果:
 
 注意：此处不能进行输入归一化后的图像进行imresize，否则精度损失太大。在放大x2的情况下，Set5的PSNR为33.63  
二、PIL的实现方式：
 
PIL的resize仅仅支持Image格式的数据，所以需要执行Image.open()或者Image.fromarray()函数。不过注意，PIL的resize由于仅仅支持Image的数据格式，因此也不支持[0,1]的数据输入形式。 
scale = 2
imgDir = './data/Set5/'
imglist = os.listdir(imgDir)
imgs = utils.load_images_alignment(imgDir,imglist)
for i in range(len(imgs)):
    imgs[i] = rgb2ycbcr(imgs[i])
    imgs[i] = Image.fromarray(imgs[i])
inter_imgs = []
for i in range(len(imgs)):
    img = imgs[i]
    h,w = img.size
    h_, w_ =  int(h/scale), int(w/scale)
    im_l = img.resize((h_,w_),Image.BICUBIC)
    im_b = im_l.resize((h,w), Image.BICUBIC)
    inter_imgs.append(im_b)
total_sum = 0
for i in range(len(inter_imgs)):
    x = shave(np.uint8(np.float32(inter_imgs[i])), scale);
    y = shave(np.uint8(imgs[i]), scale);
    ps = calcPSNR(x,y)
    print(ps)
    total_sum += ps
print("ave PSNR:", total_sum/len(inter_imgs))
PIL实验结果:
 
 注意：PIL此处也不能接受输入归一化后的图像进行imresize。在放大x2的情况下，Set5的PSNR为33.63 
1. matlab 的bicubic实现方法之所以与python库中不同的原因是因为，matlab加了anti-antialiasing。
 2.  一般来说，python里面的scipy或者PIL的imresize也足够给我们研究使用了，不过在训练模型的时候，与matlab版本的会有一些不同。这个部分可以尝试自己去实现。
 3. 如果大家有实现matlab版本的pthon代码欢迎分享~
                    背景：超分辨率挑战赛Super Resolution Challenges (e.g. NTIRE) 降采样（downscaling）- bicubic interpolation- 是利用Matlab的imresize()函数实现的。Track info:Track 1: bicubic uses the bicubic downscaling (Matlab imresize), one...
def imread(path):
    img = scipy.misc.imread(path).astype(np.float)
    if len(img.shape) == 2:
        # grayscale
				imresize函数用于调整图像的大小，暂时用到的语法有两种：B = imresize(A,scale)和B = imresize(A,[numrows numcols])。
B = imresize(A,scale)返回图像B，图像B的尺寸是图像A的scale倍。输入图像A可以是灰度图像，RGB图像，二值图像。如果scale是0到1之间的数，则图像B比图像A要小；如果scale大于1...
				img = cv2.imread(img_path,cv2.IMREAD_COLOR)
def resize(self, img, height, width, centerCrop=True, interp='bilinear'):
        imgh, imgw = img.shape[0:2]
        if centerCrop and imgh != imgw:
            # center crop
            side = np.minimum(imgh.
其用法有多种：*
1、B = imresize(A,m)  将图片A放大m倍
2、B = imresize(A,m,method)  将图片A由参数method指定的插值运算方法来改变图像的大小到m倍，
method的几种可选值：
'nearest’最近邻插值（默认）
'bilinear’双线性插值
'bicubic’双三次插值
在数...
				细节增强的matlab代码图像超分辨率反馈网络
更新：我们建议的门控多反馈网络（GMFN）将出现在BMVC2019中。
“通过两个时间步长，每个时间步长包含7个RDB，与包括RDN的最新图像SR方法（其中包含16个RDB）相比，所提出的GMFN具有更好的重建性能。”
该存储库是我们建议的SRFBN的Pytorch代码。
该代码由并基于进行开发，并在具有2080Ti
1080Ti
GPU的Ubuntu
16.04
18.04环境（Python
3/7，PyTorch
0.4.0
1.0.0
1.0.1，CUDA
10.0）上进行了测试。
我们提出的SRFBN的体系结构。
蓝色箭头表示反馈连接。
有关我们建议的SRFBN的详细信息，请参见。
如果您发现我们的工作对您的研究或出版物有用，请考虑引用：
@inproceedings{li2019srfbn,
author
Yang,
Jinglei
Zheng
Yang,
Xiaomin
Jeon,
Gwanggil
imresize函数是Matlab中用于图像缩放的函数，其用法如下：
imresize(A, scale)：将图像A按照比例scale进行缩放，scale为一个标量或一个包含两个元素的向量，分别表示宽度和高度的缩放比例。
imresize(A, [M, N])：将图像A缩放为M行N列的图像。
imresize(A, [M, N], method)：指定缩放方法，method为字符串，可选值包括：'nearest'（最近邻插值）、'bilinear'（双线性插值）、'bicubic'（双三次插值）等。
imresize(A, [M, N], method, 'Antialiasing', false)：关闭抗锯齿功能，可提高缩放速度，但会影响图像质量。
imresize(A, [M, N], method, 'Colormap', cmap)：指定颜色映射表，cmap为一个Mx3的矩阵，表示颜色映射表。
imresize(A, [M, N], method, 'Dither', dither)：指定抖动方式，dither为一个逻辑值，表示是否使用抖动。
imresize(A, [M, N], method, 'Gamma', gamma)：指定伽马值，gamma为一个标量，表示图像的伽马值。
imresize(A, [M, N], method, 'OutputSizeMode', mode)：指定输出图像的大小模式，mode为字符串，可选值包括：'full'（输出完整图像）、'valid'（输出与输入图像相同大小的部分）等。
imresize(A, [M, N], method, 'Scale', scale)：指定缩放比例，scale为一个标量或一个包含两个元素的向量，分别表示宽度和高度的缩放比例。
imresize(A, [M, N], method, 'SmoothEdges', smooth)：指定是否平滑图像边缘，smooth为一个逻辑值，表示是否平滑图像边缘。
以上就是imresize函数的用法，希望能对您有所帮助。   
### 回答2：
在MATLAB中，imresize函数用于调整图像的大小。它可以按比例缩放图像，也可以指定新图像的大小。其函数原型如下：
B = imresize(A, scale)
B = imresize(A, [numrows numcols])
其中，A为输入图像，scale为缩放比例，B为输出图像。numrows和numcols分别为新图像的行数和列数。
如果scale为1，则新图像大小与原图像大小相同。如果scale小于1，则新图像大小为原图像大小的缩小比例。如果scale大于1，则新图像大小为原图像大小的放大比例。例如，如果scale为0.5，则新图像为原图像的一半大小。
如果指定了numrows和numcols，则新图像大小根据这两个参数确定。如果numrows和numcols与原图像大小比例不同，则图像会被拉伸或压缩以适应新的大小。
除了上面的两个参数外，imresize函数还有其他参数可以控制缩放过程。其中，method参数用于指定缩放方法，常用的方法有双线性插值，最近邻插值和双立方插值等。另外，antialias参数用于控制是否抗锯齿，imresize默认会抗锯齿。
需要注意的是，缩放图像会造成信息的损失，因此应该谨慎使用imresize函数。如果需要保持原始图像的质量，在缩放时应该使用更高级别的算法，如基于小波的缩放算法。   
### 回答3：
imresize函数是matlab图像处理工具箱中常用的一个函数，用于对图像进行缩放操作。函数的格式为：B = imresize(A, scale)，其中A是原始图像，B是缩放后的图像，scale是缩放比例。
scale可以是一个标量，用于同时缩小图像的宽和高；也可以是一个二元组（[height, width]），用于指定缩小后的图像高和宽。例如，scale=0.5或scale=[400,300]。
除了缩小图片，imresize函数也可以进行放大图片操作。放大图片时，可以通过interpolation参数指定插值方法。常用的插值方法有：nearest-neighbor、bilinear、bicubic、lanczos。其中，nearest-neighbor是最简单的方法，但画质较差；bicubic和lanczos方法可以产生更加平滑的缩放效果，但需要较长的计算时间。
除了缩放比例和插值方法之外，imresize函数还可以通过method参数指定缩放算法。常用的缩放算法有：imresize、imresize3、imfilter。其中，imresize算法默认使用双线性插值，并支持灰度图像、彩色图像以及各种数据类型的图像。imfilter算法也支持各种数据类型的图像，但需要通过自定义滤波器来实现缩放；imresize3算法则是专门针对3D图像的缩放算法。
总之，imresize函数是matlab图像处理工具箱中非常强大和实用的一个函数，可以实现对图像进行缩放、放大以及各种矩阵运算操作。但在使用时需要根据实际需求选择适当的缩放比例和插值方法，以及调整算法参数，才能获得最佳的缩放效果。