OpenCV这么简单为啥不学——1.3、图像缩放resize函数

​

OpenCV这么简单为啥不学——1.3、图像缩放resize函数

目录

OpenCV这么简单为啥不学——1.3、图像缩放resize函数

前言

图像缩放resize函数

resize语法：

resize参数：

interpolation插值方法

resize固定值缩放：

resize等比例缩放

总结

前言

计算机视觉市场巨大而且持续增长，且这方面没有标准API，如今的计算机视觉软件大概有以下三种：

1、研究代码（慢，不稳定，独立并与其他库不兼容）
2、耗费很高的商业化工具（比如Halcon, MATLAB+Simulink）
3、依赖硬件的一些特别的解决方案（比如视频监控，制造控制系统，医疗设备）这是如今的现状，而标准的API将简化计算机视觉程序和解决方案的开发，OpenCV致力于成为这样的标准API。

OpenCV致力于真实世界的实时应用，通过优化的C代码的编写对其执行速度带来了可观的提升，并且可以通过购买Intel的IPP高性能多媒体函数库（Integrated Performance Primitives）得到更快的处理速度。

故而我们选择学习OpenCV，我们来一步步的学习OpenCV。

图像缩放resize函数

resize语法：

cv2.resize(src, dsize[, dst[, fx[, fy[, interpolation]]]]) -> dst

resize参数：

src：图像数组

dsize：目标图像大小，当dsize为0时，它可以通过以下公式计算得出：

dsize = Size(round(fx*src.cols),round(fy*src.rows))

所以，参数dsize和参数(fx, fy)不能够同时为0

fx - 水平轴上的比例因子。当它为0时，计算公式如下：

(double)dsize.width/src.cols

fy - 垂直轴上的比例因子。当它为0时，计算公式如下：

(double)dsize.height/src.rows

interpolation插值方法

共有5种：

１）INTER_NEAREST - 最近邻插值法

２）INTER_LINEAR - 双线性插值法（默认）

３）INTER_AREA - 基于局部像素的重采样（resampling using pixel area relation）。对于图像抽取（image decimation）来说，这可能是一个更好的方法。但如果是放大图像时，它和最近邻法的效果类似。

４）INTER_CUBIC - 基于4x4像素邻域的3次插值法

５）INTER_LANCZOS4 - 基于8x8像素邻域的Lanczos插值

resize固定值缩放：

import cv2

img = cv2.imread("800_600.jpg")
print(img.shape)
# 缩放
imgResize = cv2.resize(img, (1024, 768))
print(imgResize.shape)

cv2.imshow("Image", imgResize)

cv2.waitKey(0)

实际效果，可以看到具体的高度与宽度显示。

​编辑

resize等比例缩放

import cv2

img = cv2.imread("800_600.jpg")
print(img.shape)
# 等比例缩放
height, width = img.shape[:2]
size = (int(width*1.5), int(height*1.5))
imgResize = cv2.resize(img, size)
print(imgResize.shape)

cv2.imshow("Image", imgResize)

cv2.waitKey(0)

效果：

总结

缩放这里其实并没有进行图片处理，一般缩放是逐级进行放大的，我们之前的老照片想放大就需要这样操作，但是每一部都需要进行清晰度处理后进行放大，逐一放大几次之后就能看到比较清晰的照片了。

​