cv2.resize函数说明

resize是opencv库中的一个函数，主要起到对图片进行缩放的作用。

example: 以下代码就可以将原图片转化为宽和长分别为300，300的图片。width和height可以自己任意指定，不论大小。

import cv2 as cv
 
width = 300
height = 300
img = cv.imread('图片所在路径')
#例如cv.imread("test/1.jpg")
 
img = cv.resize(img,(width,height))
# 默认使用双线性插值法
 
cv.imshow("img",img)
cv.waitKey(0)
cv.destroyAllWindows()

参数说明

resize(InputArray src, OutputArray dst, Size dsize, 
	   double fx=0, double fy=0, int interpolation=INTER_LINEAR )

• InputArray src ：输入，原图像，即待改变大小的图像；
• OutputArray dst： 输出，改变后的图像。这个图像和原图像具有相同的内容，只是大小和原图像不一样而已；
• dsize：输出图像的大小，如上面例子（300，300）其中，fx和fy就是下面要说的两个参数，是图像width方向和height方向的缩放比例。
• fx：width方向的缩放比例
• fy：height方向的缩放比例

如果fx=0.3，fy=0.7，则将原图片的x轴缩小为原来的0.3倍，将y轴缩小为原来的0.7倍，效果如下

interpolation（插值）：这个是指定插值的方式，图像缩放之后，肯定像素要进行重新计算的，就靠这个参数来指定重新计算像素的方式，有以下几种：

• INTER_NEAREST – 最邻近插值
• INTER_LINEAR – 双线性插值，如果最后一个参数你不指定，默认使用这种方法
• INTER_CUBIC – 4×4像素邻域内的双立方插值
• INTER_LANCZOS4 – 8×8像素邻域内的Lanczos插值

INTER_NEAREST | 最近邻插值

opencv使用：img = cv.resize(img,(width,height),interpolation=cv.INTER_NEAREST)

在一维空间中，最近点插值就相当于四舍五入取整。在二维图像中，像素点的坐标都是整数，该方法就是选取离目标点最近的点。会在一定程度上损失 空间对称性（Alignment）

1 2 3                
4 5 6  ----------->> 将3*3的图片转换为5*5
7 8 9             
 
1、使用最近邻插值法，令原图片为n*n，目标图片为m*m,图片从0开始数
则目标图片（i，j）位置的像素值为（n/m）*i，（n/m）*j这两个数四舍五入取整对应的原图片的像素
 
如目标图片（2，2）位置的像素为（3/5）*2，（3/5）*2，四舍五入取整也就分别是（1，1），而这对应原图片的像素值为5，即目标图片（2，2）的像素值为5
 
[[1 2 2 3 3]
 [4 5 5 6 6]
 [4 5 5 6 6]
 [7 8 8 9 9]
 [7 8 8 9 9]]

最近邻插值法代码实现：

import cv2 as cv
import numpy as np
height = 250
width = 250
dst = np.zeros([width,height,3],dtype='uint8')
img = cv.imread("test/1.jpg")
for c in range(3):
    for i in range(width):
        for j in range(height):
            x = (img.shape[0]/width)*i
            y = (img.shape[1]/height)*j
            dst[i,j,c] = img[round(x),round(y),c]
#             print (dst[i,j,c])
print (type(dst))
print (type(img))
cv.imshow("img",img)
cv.waitKey(0)
cv.imshow("dst",dst)
cv.waitKey(0)
cv.destroyAllWindows()

INTER_LINEAR | 双线性插值（默认设置）

opencv使用：img = cv.resize(img,(width,height),interpolation=cv.INTER_LINEAR)
在两个方向分别进行一次线性插值，保证了 空间对称性

双线性插值法代码实现：

import cv2 as cv
import numpy as np
import math
height = 250
width = 250
dst = np.zeros([width,height,3],dtype='uint8')
img = cv.imread("test/1.jpg")
for c in range(3):
    for i in range(width):
        for j in range(height):
            x = (img.shape[0]/width)*i
            y = (img.shape[1]/height)*j
            
            x_top = math.ceil((img.shape[0]/width)*i)
            x_bottom = int((img.shape[0]/width)*i)
            y_top = math.ceil((img.shape[1]/height)*j)
            y_bottom = int((img.shape[1]/height)*j)
            dst[i,j,c] = img[x_top,y_top,c]*(x-x_bottom)*(y-y_bottom)+img[x_bottom,y_top,c]*(x_top-x)*(y-y_bottom)+img[x_bottom,y_bottom,c]*(x_top-x)*(y_top-y)+img[x_top,y_bottom,c]*(x-x_bottom)*(y_top-y)
 
print (type(dst))
print (type(img))
cv.imshow("img",img)
cv.waitKey(0)
cv.imshow("dst",dst)
cv.waitKey(0)
cv.destroyAllWindows()