Python+OpenCV图像处理（一）——OpenCV框架与图像插值算法

---

系列文章
Python+OpenCV图像处理（一）——OpenCV框架与图像插值算法
Python+OpenCV图像处理（二）——几何变换
Python+OpenCV图像处理（三）——彩色空间互换
Python+OpenCV图像处理（四）——图像滤波
Python+OpenCV图像处理（五）——图像阈值和二值化
Python+OpenCV图像处理（六）——边缘检测

---

图像处理

图像处理(image processing)，用计算机对图像进行分析，以达到所需结果的技术。数字图像是指用工业相机、摄像机、扫描仪等设备经过拍摄得到的一个大的二维数组，该数组的元素称为像素，其值称为灰度值。图像处理技术一般包括图像压缩，增强和复原，匹配、描述和识别3个部分。

一、OpenCV框架与图像插值算法

1.1 OpenCV简介

OpenCV是一个基于BSD许可（开源）发行的跨平台计算机视觉库，可以运行在Linux、Windows、Android和Mac OS操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。

环境配置为：win7+python3.6+numpy1.14.2+opencv-python3.4.1

安装opencv-python3.4.1

首先去网站下载OpenCV对应的.whl版本压缩包，网址https://www.lfd.uci.edu/~gohlke/pythonlibs/#opencv本人下载的版本是：opencv_python‑3.4.1‑cp36‑cp36m‑win_amd64.whl 64位系统对应python3.6的

百度云链接：https://pan.baidu.com/s/10RefansrC4_0zsNehjyKTg

pip install opencv_python-3.4.1-cp36-cp36m-win_amd64.whl

导入OpenCV

import cv2

验证是否环境已配置好

print(cv2.__version__)

输出：3.4.1

1.2 图像插值算法

在图像经过空间位置变换之后，需要求取在新平面的新排列的各点像素的位置，其并不会改变映射前后的像素的像素值。这种空间位置变换通常包含缩放、平移与旋转等。

其中常见的图像插值算法有最近邻插值、双线性插值和三次样条插值。

ps：markdown格式的公式书写现在还不熟练，这里把重点放到利用opencv库对算法的调用实现上，只对算法进行简单地描述，算法原理暂时用图代替。

---

1.2.1 最近邻插值：

最近邻插值，是指将目标图像中的点，对应到源图像中后，找到最相邻的整数点，作为插值后的输出。

  如上图所示，目标图像中的某点投影到原图像中的位置为点P,此时易知，$f(P)=f(Q11)$.

一个例子：

  如下图所示，将一幅3X3的图像放大到4X4，用$f(x,y)$表示目标图像，$h(x,y)$表示原图像，我们有如下公式：

$$\begin{array}{c}f(ds{t}_X,ds{t}_Y)=h(\frac{ds{t}_{X}sr{c}_{Width}}{ds{t}_{Width}},\end{array}$$