目录
OpenCV这么简单为啥不学——1.3、图像缩放resize函数
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。
cv2.resize(src, dsize[, dst[, fx[, fy[, interpolation]]]]) -> dst
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
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
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。
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:
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。