معرفی شرکت ها
cykooz.resizer-2.1.2
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشترتوضیحات
A fast image resizer
| ویژگی | مقدار |
|---|---|
| سیستم عامل | - |
| نام فایل | cykooz.resizer-2.1.2 |
| نام | cykooz.resizer |
| نسخه کتابخانه | 2.1.2 |
| نگهدارنده | [] |
| ایمیل نگهدارنده | [] |
| نویسنده | Kirill Kuzminykh <cykooz@gmail.com> |
| ایمیل نویسنده | Kirill Kuzminykh <cykooz@gmail.com> |
| آدرس صفحه اصلی | - |
| آدرس اینترنتی | https://pypi.org/project/cykooz.resizer/ |
| مجوز | - |
# cykooz.resizer
```cykooz.resizer``` is package with optimized version of image resizing
based on Rust's crate [fast_image_resize](https://crates.io/crates/fast_image_resize).
[CHANGELOG](https://github.com/Cykooz/cykooz.resizer/blob/main/CHANGES.md)
## Installation
```shell
python3 -m pip install cykooz.resizer
```
Or with automatically installing Pillow:
```shell
python3 -m pip install cykooz.resizer[pillow]
```
## Information
Supported pixel types and available optimisations:
| Format | Description | Native Rust | SSE4.1 | AVX2 |
|:------:|:--------------------------------------------------------------|:-----------:|:-------:|:----:|
| U8 | One `u8` component per pixel (e.g. L) | + | partial | + |
| U8x2 | Two `u8` components per pixel (e.g. LA) | + | + | + |
| U8x3 | Three `u8` components per pixel (e.g. RGB) | + | partial | + |
| U8x4 | Four `u8` components per pixel (e.g. RGBA, RGBx, CMYK) | + | + | + |
| U16 | One `u16` components per pixel (e.g. L16) | + | + | + |
| U16x2 | Two `u16` components per pixel (e.g. LA16) | + | + | + |
| U16x3 | Three `u16` components per pixel (e.g. RGB16) | + | + | + |
| U16x4 | Four `u16` components per pixel (e.g. RGBA16, RGBx16, CMYK16) | + | + | + |
| I32 | One `i32` component per pixel | + | - | - |
| F32 | One `f32` component per pixel | + | - | - |
Implemented resize algorithms:
- Nearest - is nearest-neighbor interpolation, replacing every pixel with the
nearest pixel in the output; for upscaling this means multiple pixels of the
same color will be present.
- Convolution with different filters:
- box
- bilinear
- catmull_rom
- mitchell
- lanczos3
- Super sampling - resizing an image in two steps.
First step uses the "nearest" algorithm. Second step uses "convolution"
with configurable filter.
## Usage Examples
### Resize Pillow's image
```python
from PIL import Image
from cykooz.resizer import FilterType, ResizeAlg, Resizer
resizer = Resizer(ResizeAlg.convolution(FilterType.lanczos3))
dst_size = (255, 170)
dst_image = Image.new('RGBA', dst_size)
for i in range(1, 10):
image = Image.open('nasa_%d-4928x3279.png' % i)
resizer.resize_pil(image, dst_image)
dst_image.save('nasa_%d-255x170.png' % i)
```
### Resize raw image with alpha channel
```python
from cykooz.resizer import AlphaMulDiv, FilterType, ImageData, PixelType, ResizeAlg, Resizer
def resize_raw(width: int, height: int, pixels: bytes):
src_image = ImageData(
width,
height,
PixelType.U8x4,
pixels,
)
alpha_mul_div = AlphaMulDiv()
resizer = Resizer(ResizeAlg.convolution(FilterType.lanczos3))
dst_image = ImageData(255, 170, PixelType.U8x4)
alpha_mul_div.multiply_alpha_inplace(src_image)
resizer.resize(src_image, dst_image)
alpha_mul_div.divide_alpha_inplace(dst_image)
return dst_image
```
### Change used CPU-extensions
```python
from cykooz.resizer import FilterType, ResizeAlg, Resizer, CpuExtensions
resizer = Resizer(ResizeAlg.convolution(FilterType.lanczos3))
resizer.cpu_extensions = CpuExtensions.sse4_1
...
```
## Benchmarks
Environment:
- CPU: AMD Ryzen 9 5950X
- RAM: DDR4 3800 MHz
- Ubuntu 22.04 (linux 5.15.0)
- Python 3.9
- Rust 1.62.0
- cykooz.resizer = "2.1"
Other Python libraries used to compare of resizing speed:
- Pillow = "9.2.0" (https://pypi.org/project/Pillow/)
Resize algorithms:
- Nearest
- Convolution with Bilinear filter
- Convolution with Lanczos3 filter
### Resize RGBA image 4928x3279 => 852x567
- Source image [nasa-4928x3279.png](https://github.com/Cykooz/cykooz.resizer/blob/main/tests/data/nasa-4928x3279.png)
| Package (time in ms) | nearest | bilinear | lanczos3 |
|:------------------------|----------:|-----------:|-----------:|
| Pillow | 0.66 | 93.16 | 179.96 |
| cykooz.resizer | 0.20 | 39.19 | 76.71 |
| cykooz.resizer - sse4_1 | 0.20 | 15.60 | 25.16 |
| cykooz.resizer - avx2 | 0.20 | 11.95 | 18.54 |
### Resize grayscale (U8) image 4928x3279 => 852x567
- Source image [nasa-4928x3279.png](https://github.com/Cykooz/cykooz.resizer/blob/main/tests/data/nasa-4928x3279.png)
has converted into grayscale image with one byte per pixel.
| Package (time in ms) | nearest | bilinear | lanczos3 |
|:---------------------|----------:|-----------:|-----------:|
| Pillow | 0.28 | 20.73 | 51.07 |
| cykooz.resizer | 0.19 | 14.31 | 23.84 |
نیازمندی
| مقدار | نام |
|---|---|
| xtr | Pillow; |
| xtr | wheel; |
| xtr | maturin; |
| xtr | pytest; |
| xtr | pytest-benchmark; |
| xtr | Pillow; |
| xtr | tabulate; |
زبان مورد نیاز
| مقدار | نام |
|---|---|
| >=3.7 | Python |
نحوه نصب
نصب پکیج whl cykooz.resizer-2.1.2:
pip install cykooz.resizer-2.1.2.whl
نصب پکیج tar.gz cykooz.resizer-2.1.2:
pip install cykooz.resizer-2.1.2.tar.gz