python opencv 之resize 使用经验

记录一下这几天跑模型的 心得 

cv2.resize(src, dsize[, dst[, fx[, fy[, interpolation]]]])

这是文档中的函数原型

参数说明

src：要resize的原图，应该是一个矩阵

dsize：希望得到图像的shape，是一个tuple类型的数据，注意，这里是宽*高，而我们平常img.shpae得到都是高*宽

fx，fy 一般不会用到，所以我没有去研究

interpolation： 插值方法（详见下表,参考https://blog.csdn.net/JNingWei/article/details/78218837）

INTER_NEAREST	最近邻插值
INTER_LINEAR	双线性插值（默认设置）
INTER_AREA	使用像素区域关系进行重采样。 它可能是图像抽取的首选方法，因为它会产生无云纹理的结果。 但是当图像缩放时，它类似于INTER_NEAREST方法。
INTER_CUBIC	4x4像素邻域的双三次插值
INTER_LANCZOS4	8x8像素邻域的Lanczos插值

代码示例：

import cv2
pic = cv2.imread('test.jpg')
pic = cv2.resize(pic, (64, 129), interpolation=cv2.INTER_LINEAR)

另外，一个小tips ，opencv 的imread 读图读出来应该是 BGR 模式 如果需要保存应该转成 RGB，下面这句代码就可以了

img = img [:,:,::-1]

还有 注意 opencv 的resize 后矩阵的数据类型仍然应该是uint8，但是 在skimage.transform.resize() 里 返回的是 [0,1] 的矩阵，数据类型变味了 float 。

跑模型时，经常会遇到自己数据的size和原模型的size不一致，这时候可能需要自己resize，但尤其要注意：

原来imread读出来的矩阵的数据类型是uint8，而resize后的数据类型是float，这是(0，1)范围内的数，所以如果以后要转回uint8的话肯定会丢失精度，所以我的做法是：

image = (resize(image, (128, 64)) * 255).astype(np.uint8)

强转为uint8，这两天看的Mask-Rcnn 读入图片也是这么处理的。