重新缩放操作按给定的缩放因子调整图像的大小。 比例因子可以是单个浮点值，也可以是多个值-沿每个轴一个。
调整大小具有相同的目的，但是允许指定输出图像形状而不是缩放因子。
请注意，在对图像进行下采样时，调整大小和缩放比例应执行高斯平滑处理以避免混叠伪影。 请参阅这些函数的anti_aliasing和anti_aliasing_sigma参数。
降级的目的是使用整数因子对n维图像进行下采样，该整数因子使用大小因子的每个块的元素上的局部平均值作为函数参数给出。
import matplotlib.pyplot as plt
from skimage import data, color
from skimage.transform import rescale, resize, downscale_local_mean
image = color.rgb2gray(data.astronaut())
image_rescaled = rescale(image, 0.25, anti_aliasing=False)
image_resized = resize(image, (image.shape[0] // 4, image.shape[1] // 4),
anti_aliasing=True)
image_downscaled = downscale_local_mean(image, (4, 3))
fig, axes = plt.subplots(nrows=2, ncols=2)
ax = axes.ravel()
ax[0].imshow(image, cmap='gray')
ax[0].set_title("Original image")
ax[1].imshow(image_rescaled, cmap='gray')
ax[1].set_title("Rescaled image (aliasing)")
ax[2].imshow(image_resized, cmap='gray')
ax[2].set_title("Resized image (no aliasing)")
ax[3].imshow(image_downscaled, cmap='gray')
ax[3].set_title("Downscaled image (no aliasing)")
ax[0].set_xlim(0, 512)
ax[0].set_ylim(512, 0)
plt.tight_layout()
plt.show()
欢迎关注公众号：算法工程师的学习日志，获取算法工程师的学习资料
掘金·金石计划
