图像resize的方法

最近在做图像分类的时候遇到很多数据集中图片的大小都不统一，所以把这个问题单独拿出来讨论一下。

这里主要介绍一下tf.images.resize_imgaes这个函数。前两个参数很好理解，就是你需要resize的图片和你期待的size：[img_width,img_length,n_channels]。

这里的method可以是以下几种：

ResizeMethod.BILINEAR：双线性插值
ResizeMethod.NEAREST_NEIGHBOR：最近的邻居插值
ResizeMethod.BICUBIC：双三次插值
ResizeMethod.AREA：区域插值

上面的方法在python3会报错，所以使用python3的朋友请用如下方法：

method = 0 双线性插值法
method = 1 最近邻居法
method = 2 双三次插值法
method = 3 面积插值法

tf.image.resize_images(
    images,
    size,
    method=ResizeMethod.BILINEAR,
    align_corners=False
)

但是这样有可能让图像扭曲QAQ。。。。

以下这个函数可以让横纵坐标比例不变

tf.image.resize_image_with_crop_or_pad(
    image,
    target_height,
    target_width
)

但是上述两者都返回的是一个tensor，但我需要的是一个array，不过问题不大，转化一下就可。

def tensor2array(tensor_img):
	with tf.Session() as sess:
		tensor_last = tensor_img.eval()
	tf.reset_default_graph()
    return tensor_last

每次需要释放内存，不然会报错。。。。而且这个resize方法速度很慢，真的很慢。。。。。

opencv的方法速度比较快，

cv2.resize(src,dsize,dst=None,fx=None,fy=None,interpolation=None)

src代表原图，dsize表示你需要的尺寸，但是要注意需要用tuple形式表示例如(img_length,img_height)否则就会收到error质问你为什么不用tuple形式。
fx：width方向的缩放比例，如果它是0，那么它就会按照(double)dsize.width/src.cols来计算；
fy：height方向的缩放比例，如果它是0，那么它就会按照(double)dsize.height/src.rows来计算；
interpolation：这个是指定插值的方式，图像缩放之后，肯定像素要进行重新计算的，就靠这个参数来指定重新计算像素的方式，有以下几种：

INTER_NEAREST（最近邻插值）
INTER_CUBIC (三次样条插值)
INTER_LINEAR(线性插值)
INTER_AREA (区域插值)

据说INTER_CUBIC的效果最好，其他还没有尝试，大家感兴趣可以尝试。还是用cv的resize吧哈哈哈哈