OpenCV中,resize函数用的比较多。
C++:
void resize(InputArray src, //输入
OutputArray dst,//输出
Size dsize, //输出图像的大小
double fx=0, double fy=0, //fx、fy是沿x轴和y轴的缩放系数
int interpolation=INTER_LINEAR //插值
)
Python: cv2.resize(src,
dsize[, dst[, fx[, fy[,
interpolation ]]]]
) ->dst
C: void cvResize(const CvArr* src,
CvArr* dst,
int interpolation=CV_INTER_LINEAR
)
Python: cv.Resize(src,
dst,
interpolation=CV_INTER_LINEAR
)-> None
- dsize表示输出图像的大小,如果为0,则
dsize=Size(round(fx∗src.cols),round(fy∗src.rows))
- dsize和fx、fy不能同时为0。
- fx、fy是沿x轴和y轴的缩放系数;默认取0时,计算如下:
fx=(double)dsize.width/src.cols
fy=(double)dsize.height/src.rows
最后一个参数interpolation表示插值方式,有以下几种:
INTER_NEAREST - 最近邻插值
INTER_LINEAR - 线性插值(默认)
INTER_AREA - 区域插值
INTER_CUBIC - 三次样条插值
INTER_LANCZOS4 - Lanczos插值INTER_NEAREST最近邻插值:
目标如下的像素点为对应的最近的原图像的像素点。
假设原图像大小为(s_height, s_width),目标图像大小为(d_height, d_width),那么高度和宽度的缩放比例为h_ratio = s_height/d_height,w_ratio=s_width/d_width。
目标图像像素: (x, y)其值等于原图像(x * w_ration, y * h_ration)处的值。INTER_LINEAR 线性插值(默认):
在使用最近邻插值时,得到的坐标未必是一个整数,
例如(xw_ration, yh_ration)=(10.5, 20.5),那么可能取得坐标点就有四种(10, 20)、(11, 20)、(10, 21)、(11, 21)。
双线性插值,会把这四个坐标的像素值加权求和。
D(x, y) =
S(j, k) * w1 + S(j+1, k) w2 + S(j+1,k+1) w3 + S(j, K+1) * w4,
其中w为权值。
权值大小和计算位置的小数部分有关。CV_INTER_AREA:区域插值:
区域插值分为3种情况:图像放大时类似于线性插值,图像缩小时可以避免波纹出现。INTER_CUBIC 三次样条插值:
使用4x4邻域内的像素双3次插值。- INTER_LANCZOS4 Lanczos插值
使用8×8像素邻域的Lanczos插值 - 示例代码:
#include <string>
#include <opencv2/opencv.hpp>
#include <opencv2/imgproc/imgproc.hpp>
using namespace cv;
using namespace std;
int main(int argc, char* argv[])
{
string path = "";
int resize_height = 256;
int resize_width = 256;
Mat src = imread(path); //从路径名中读取图片
Mat dst;
imshow("src", src);//显示图片
resize(src, dst, Size(resize_width, resize_height), (0, 0), (0, 0), INTER_LINEAR);//重新调整图像大小
imshow("dst", dst);
waitKey(0);
return 0;
}