图像缩放(cv:resize)--几种不同的插值算法

   在一些情况下，我们需要对图像的大小进行缩放以满足特定的需求。比如在训练一个图像分类的模型时候，深度卷积网络要求网络的输入大小是一致的，所以我们在把图像喂给模型之前要先进行缩放，在opencv中对应的方法是“cv:resize()”。

函数原型：

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

• src 输入图像
• dst 经过缩放后的图像
• dsize 目标图像的大小，opencv中Size()里面是先width后height
• fx, fy 沿x轴和y轴的缩放系数
• interpolation 插值方式，主要有有最近邻、双线性、双三次、基于像素区域关系、兰索斯插值

1. 最邻近插值
      计算公式
   

2. 双线性插值
      计算公式
   

3. 双三次
   由相邻的4*4像素计算得出，公式类似于双线性

4. 基于像素区域关系
   共分三种情况，图像放大时类似于双线性插值，图像缩小(x轴、y轴同时缩小)又分两种情况，此情况下可以避免波纹出现。

5. 兰索斯插值
   由相邻的8*8像素计算得出，公式类似于双线性

实验

#include <iostream>
#include <opencv2/opencv.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
using namespace std;
using namespace cv;

int main() {
    string path = "./images/src.jpg";
    Mat image = imread(path, -1);
    int width = image.cols, height = image.rows;
    printf("Resize操作前， width: %d  height: %d", width, height);
    int new_width = 500, new_height = 500;

    Mat resized_1 = Mat(Size(new_width, new_height), image.type(), Scalar::all(0));
    Mat resized_2 = resized_1.clone(), resized_3 = resized_1.clone(), resized_4 = resized_1.clone(),
        resized_5 = resized_1.clone();
    //最近邻
    resize(image, resized_1, resized_2.size(), 0, 0, 0);
    //双线性
    resize(image, resized_2, resized_2.size(), 0, 0, 1);
    //双三次
    resize(image, resized_3, resized_2.size(), 0, 0, 2);
    //基于像素区域关系
    resize(image, resized_4, resized_2.size(), 0, 0, 3);
    //兰索斯插值
    resize(image, resized_5, resized_2.size(), 0, 0, 4);

    imshow("src", image);

    imshow("Resized_1", resized_1);
    imshow("Resized_2", resized_2);
    imshow("Resized_3", resized_3);
    imshow("Resized_4", resized_4);
    imshow("Resized_5", resized_5);


    waitKey(0);
    return 0;
}