Python自定义修改图像的大小尺寸以及格式的缩放重构后的图像输出

输入的图片进行大小调整，由于大小被改变，因此会涉及到一些插值算法。cv2内置的有线性插值和最近邻插值等参考其他

直接上源码：

#!/usr/bin/env python 
# -*- coding:utf-8 -*-
# Author's_name_is_NIKOLA_SS

import cv2
import numpy as np

width = 400
height = 200

img = cv2.imread(r'S:\picciicici\7126.png') # 读取图像
print ('The shape of initial graph is: {}'.format(img.shape)) # 打印原图大小
img = cv2.resize(img, (width, height), interpolation=cv2.INTER_NEAREST) # 最近邻插值缩放
print ('The changed shape of graph is: {}'.format(img.shape)) # 打印更改后图片大小

cv2.imwrite(r'S:\picciicici\new_log.jpg', img) # 保存图片格式jpg

width = 300
height = 300

img = cv2.resize(img, (width, height), interpolation=cv2.INTER_LINEAR) # 双线性插值缩放
print ('The changed shape of graph is: {}'.format(img.shape)) # 打印更改后图片大小

cv2.imwrite(r'S:\picciicici\new_log990.png', img) # 保存图片格式png

运行的结果栏输出结果如下：

The shape of initial graph is: (389, 500, 3)
The changed shape of graph is: (200, 400, 3)
The changed shape of graph is: (300, 300, 3)

Process finished with exit code 0

效果如图：

另外的，特别是对于需要特殊处理的图像，比如说平均池化。
平均池化。
滑窗步长都是1,但是在实际场景中，增大滑窗的步长不仅可以达到很好的效果，还可以很大程度上介绍需要处理的图像的大小。这里介绍的池化，可以认为是一种特殊的卷积运算。常用的池化方法有最大池化和平均池化，顾名思义，最大池化就是取卷积/池化区域中的最大值，而平均池化则是取平均值，主要的作用还是等效的去压缩一个图像的信息，尤其是最大池化，可以很好的保留原图像中的显著特征。

#!/usr/bin/env python 
# -*- coding:utf-8 -*-
# Author's_name_is_NIKOLA_SS

import cv2
import numpy as np

img = cv2.imread(r'W:\\PY\newpicpic\ggffg.jpg')
print ('The shape of input img is: {}'.format(img.shape))

pooling_img = np.zeros((int(int(img.shape[0])/2),
                        int(int(img.shape[1])/2),
                        int(img.shape[2])))
for i in range(int(int(img.shape[0])/2)):
    for j in range(int(int(img.shape[1])/2)):
        pooling_img[i][j] = (img[2*i][2*j] + img[2*i][2*j+1] + img[2*i+1][2*j] + img[2*i+1][2*j+1])/4

print ('The shape of output img is: {}'.format(pooling_img.shape))
cv2.imwrite(r'W:\\PY\newpicpic\bb4d.png', pooling_img)

结果栏:

The shape of input img is: (533, 800, 3)
The shape of output img is: (266, 400, 3)

Process finished with exit code 0

图像对比显示：