jcupitt
2020-01-31 16:50
默认情况下，dzsave将平均每个2x2像素块，这等效于双线性。
有时，例如对于像素值代表标签而不是强度的图像，您需要非插值的缩小尺寸。对于这些情况，可以使用region_shrink参数选择median或mode，这两个参数都将保留标签值。
我会用：
image = pyvips.Image.new_from_file(sourceFile, access='sequential')
image.dzsave(destFile,
overlap=1,
tile_size=126,
region_shrink='mode',
suffix='.png')
不要忘记设置access提示。对于不支持随机访问的大图像，它将大大提高速度和内存行为。
PNG Q编号在输出调色板图像时设置量化质量。也许你的意思是compression？libvips默认为6，即PNG标准。
确定要overlap=2吗？deepzoom标准是重叠1。重叠1表示每个图块的边缘周围额外增加一个像素，因此图像中心的图块在每个边缘上将与其邻居共享两个像素。设置overlap=2意味着您将有四个像素重叠，令人困惑。
同样，这tile_size=128意味着您的大多数图块将为132x132像素。PNG无关紧要，但是JPG在轴上以8的倍数工作时效果最佳。我将设置tile_size为（128-2 *重叠），就像默认情况下deepzoom所做的那样。
GIT中主libvips增加max，min和nearest（总是挑选左上角的像素）为好。分支具有lanczos3，但由于各种原因从未合并。
热门帖子
相关问题
热门github
1
2
4
The Python Risk Identification Tool for generative AI (PyRIT) is an open access automation framework to empower security professionals and machine learning engineers to proactively find risks in their generative AI systems.
(翻译：用于生成式 AI 的 Python 风险识别工具 (PyRIT) 是一个开放式访问自动化框架，使安全专业人员和机器学习工程师能够主动发现其生成式 AI 系统中的风险。)
5
7
8
9
Mamba is a new state space model architecture showing promising performance on information-dense data such as language modeling, where previous subquadratic models fall short of Transformers. It is based on the line of progress on structured state space models, with an efficient hardware-aware design and implementation in the spirit of FlashAttention.
(翻译：Mamba 是一种新的状态空间模型架构，在信息密集型数据（例如语言建模）上显示出良好的性能，而之前的二次模型在 Transformers 方面存在不足。它基于结构化状态空间模型的进展，并本着FlashAttention的精神进行高效的硬件感知设计和实现。)
10
11
13
谢谢！这正是我需要做的，感谢您发现我的其他错误：）
如果您要查找的是，请考虑在投票提示旁边接受John的回答（通过单击对勾/勾号）。希望您也可以对此投票。