resize插值方式

OpenCV中resize()函数的插值方式对比 - CodeAntenna

在进行图像缩放过程中，opencv中的resize函数是最常用的，其速度相对较快，只需要一行代码即可。此函数中提供5种缩放插值的方法。在下文中将进行对比。

1、resize函数简介

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

参数含义

 

2、算法对比

算法	INTER_NEAREST	INTER_LINEAR	INTER_CUBIC	INTER_LANCZOS4	INTER_AREA
主要思想	用距离采样点最近的像素值最为采样点的灰度值	用双线性方式计算采样点周围的4个点，计算其灰度值	根据采样点的周围16个像素值的双线性关系以及像素变化率，计算出采样点的灰度值	在x，y方向分别对相邻的八个点进行插值，也就是计算加权和，傅立叶变换有关的三角函数的方法	使用像素区域关系进行重采样，图像放大时类似于双线性插值，缩放时类似于最近邻插值
锯齿现象	不可避免	可避免	可避免	可避免	可避免
周围像素	未考虑	未考虑	已考虑	已考虑	已考虑
速度	最快	较快	一般	较慢	最慢

1. 为考虑图像的分辨率，尤其是INTER_AREA、INTER_CUBIC和INTER_LANCZOS4插值，图像分辨率的大小对其有一定的影响，一般情况INTER_AREA效率低一些；
2. 算法运行过程中，opencv内部进行了优化，所以实际时间有些许波动；
3. 测试过程中，硬件设备的干扰；

3、总结

    如果缩小图像，INTER_AREA插值效果最好，而且可以有效防止产生波纹现象，如果放大图像，通常使用INTER_CUBIC或是INTER_LANCZOS4，此两种方法速度较慢，但效果相对较好。尽管INTER_NEAREST算法相当快，但使其效果大打折扣，一般很少使用。
    值得注意的是INTER_LINEAR速度较快，效果一般，其会抑制图像信号中的高频分量（即图像边缘会变模糊）。对于要求不高的场景，可以考虑此算法，但是如果需要最大限度的保留图像中的边缘与其他特征（如角点等），且对程序的效率要求并不是很苛刻，则不建议优先使用此算法。