opencv resize

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92

# -*- coding: utf-8 -*- ''' 今天来看看opencv中的resize方法。 就打个tag: opencv resize 先看看官方定义 void cv::resize (   InputArray  src, OutputArray     dst, Size    dsize, double  fx = 0, double  fy = 0, int     interpolation = INTER_LINEAR )         Python: dst =   cv.resize(src, dsize[, dst[, fx[, fy[, interpolation]]]]    ) 各个参数可以参考c++版本的数据类型，注意c++和python两者参数顺序有不同。简单解释如下： 参数  类型  是否必须指定  具体含义 src numpy.ndarray   是        原图像 dsize   tuple    是        缩放后的图像大小 dst     无所谓  否            目标图像，但是在 Python 里面没有任何意义。一般不传参或者设成 None fx, fy  数值类型    否       x 和 y 方向上的缩放比例 interpolation   int 否   插值方式表示代码，本质是一个 int 数值，一般用 OpenCV 内置的参数代号以提高可读性。 具体可以参考官方的这个解释： enum    cv::InterpolationFlags {   cv::INTER_NEAREST = 0,   cv::INTER_LINEAR = 1,   cv::INTER_CUBIC = 2,   cv::INTER_AREA = 3,   cv::INTER_LANCZOS4 = 4,   cv::INTER_LINEAR_EXACT = 5,   cv::INTER_NEAREST_EXACT = 6,   cv::INTER_MAX = 7,   cv::WARP_FILL_OUTLIERS = 8,   cv::WARP_INVERSE_MAP = 16 }   因此在使用时，可以写代号也可以写出来方法名字。 使用方法从参数来看，可以设置resize后图像的大小，也可以通过设置方法比例进行resize。 从参数列别可以看到，参数src, dsize是必须有的参数，后面的参数都是可选，或者是有默认值的参数。因此，就是你指定了fx,fy，也必须 同时给dsize赋值（可以为None），否则会报错。但是当你指定dsize的大小了，可以不用管fx,fy. 此处要特别注意，从参数顺序就能看到，此处显示x方向再是y方向的，也就是说先是宽度，再是高度。 此处主要还是要看官方的一个地方是参数的设置， To shrink an image, it will generally look best with INTER_AREA interpolation, whereas to enlarge an image, it will generally look best with c::INTER_CUBIC (slow) or INTER_LINEAR (faster but still looks OK). 这里的意思是，如果resize后，图像变小了，推荐插值算法用INTER_AREA，而如果resize后，图像大小变大了，推荐用INTER_LINEAR或者慢点 但是效果更好的方式INTER_CUBIC (slow)。因此，如果你确定大多数图像resize前后都是增大还是减小，那就可以相应选择对应的插值方法。 '''     ''' first, let me see the img shape. When you using img.shape, it is height, width, channel. Remember this. ''' import numpy as np import cv2 img = cv2.imread(r"messi.jpg") print('origin image',img.shape) # (296, 474, 3)  in height, width, channel cv2.imshow("messi", img) cv2.waitKey(0) cv2.destroyAllWindows()   rimg = cv2.resize(img,dsize=None,fx=2,fy=2,interpolation=cv2.INTER_LINEAR)# 放大了两倍,此处dsize不可以省略，必须指定的参数 cv2.imshow("resize messi", rimg) cv2.waitKey(0) cv2.destroyAllWindows()   rwidth = img.shape[1]*2 rheight = img.shape[0]*2 # 放大了两倍,此处dsize必须是先width再height. rimg2 = cv2.resize(img,dsize=(rwidth, rheight),interpolation=cv2.INTER_LINEAR) cv2.imshow("resize messi2", rimg2) cv2.waitKey(0) cv2.destroyAllWindows()     # 当dsize和fx,fy不一致，而且两者又都是有效的，优先选择dsize作为参数，而忽略fx,fy。 rwidth = img.shape[1]*3 rheight = img.shape[0]*3 rimg3 = cv2.resize(img,dsize=(rwidth, rheight),fx=1,fy=1,interpolation=cv2.INTER_LINEAR) cv2.imshow("resize messi3", rimg3) print ('resize image3: ',rimg3.shape) # (888, 1422, 3) cv2.waitKey(0) cv2.destroyAllWindows()     # 当resize后，图像变小了，那么插入方式建议INTER_AREA。 rwidth = int(img.shape[1]*0.5) rheight = int(img.shape[0]*0.5) rimg4 = cv2.resize(img,dsize=(rwidth, rheight),fx=1,fy=1,interpolation=cv2.INTER_AREA) cv2.imshow("resize messi4", rimg4) print ('resize image4: ',rimg4.shape) # (148, 237, 3) cv2.waitKey(0) cv2.destroyAllWindows()