opencv 数字图像处理-图像缩放 自己写cvResize()函数

最新推荐文章于 2024-06-28 11:42:49 发布
最新推荐文章于 2024-06-28 11:42:49 发布
阅读量2.4k 收藏 8
点赞数 2
分类专栏： opencv 文章标签： opencv 图像处理
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u012005313/article/details/46659747
版权

以下有灰度图像的最近邻插值法、双线性插值法和彩色图像的最近邻插值法、双线性插值法

########################################################################3#


void cvResize(
	const CvArr* src,
	CvArr* dst,
	int interpolation = CV_INTER_LINEAR
	);

最后一个参数指定插值方法，默认为线性插值法。可用的插值方法如下表所示：

插值方法

含义

CV_INTER_NN

最近邻插值

CV_INTER_LINEAR

线性插值

CV_INTER_AREA

区域插值

CV_INTER_CUBIC

三次样条插值


############################################################################


0阶和1阶灰度插值法


最近邻插值法

2倍放大

			//最近邻插值法 将原图像中每行像素重复取值一遍，每列像素重复取值一遍 优点：较为简单 缺点：放大倍数太大时，容易出现马赛克效应
			for (i=0; i<pImg->height; i++)
				for (j=0; j<pImg->width; j++)
				{
					pImg1->imageData[i*2*pImg1->widthStep + j*2] = pImg->imageData[i*pImg->widthStep + j];
					pImg1->imageData[i*2*pImg1->widthStep + j*2+1] = pImg->imageData[i*pImg->widthStep + j];
					pImg1->imageData[(i+1)*2*pImg1->widthStep + j*2] = pImg->imageData[i*pImg->widthStep + j];
					pImg1->imageData[(i+1)*2*pImg1->widthStep + j*2+1] = pImg->imageData[i*pImg->widthStep + j];
				}
		
			cout<<pImg1->origin<<endl;
			cout<<pImg1->width<<endl;
			cout<<pImg1->height<<endl;
			cout<<pImg1->widthStep<<endl;

			cout<<pImg->origin<<endl;
			cout<<pImg->width<<endl;
			cout<<pImg->height<<endl;
			cout<<pImg1->widthStep<<endl;


缩放均可

void nearestNeighbor(IplImage *src, IplImage *res, float ratio_x, float ratio_y)//最近邻插值法
{//将结果图像上的像素点的值设定为原始图像上最接近的像素点的值 ratio_x为行权重值 ratio_y为列权重值
	int res_wid = 0;
	int res_hei = 0;
	res_wid = res->width;
	res_hei = res->height;

	unsigned char *src_data = (unsigned char *)src->imageData;
	unsigned char *res_data = (unsigned char *)res->imageData;

	int res_x, res_y, src_x, src_y;
	for (int i=0; i<res_wid; i++)
	{
		for (int j=0; j<res_hei; j++)
		{
			res_x = j;//结果图像第x行
			res_y = i;//结果图像第y列

			src_x = (int)(((float)j+0.5)/ratio_x);//原始图像第x行
			src_y = (int)(((float)i+0.5)/ratio_y);//原始图像第y列

			res_data[res_x*res->widthStep+res_y] = src_data[src_x*src->widthStep+src_y];
		}
	}

	cvNamedWindow("src");
	cvNamedWindow("res");
	cvShowImage("src", src);
	cvShowImage("res", res);
	cvWaitKey(0);
	cvReleaseImage(&src);
	cvReleaseImage(&res);
	cvDestroyAllWindows();
}

行压缩率：1.3

列压缩率：0.5



双线性插值法

自己想了好久还是没有头绪，在网上找了一下，发现了一篇很不错的博文，贴一下链接：

http://blog.csdn.net/tangshuai8888/article/details/43405277


下面这个是自己写得

void bilinear(IplImage *src, IplImage *res, float ratio_x, float ratio_y)
{//取原图像中相临近的四个像素点，按距离大小远近取不同权重值，加权得出结果图像相应的像素点的值
//设带插值像素点为（x,y），四个临近像素点分别为（x0, y0）、（x0+1, y0）、（x0, y0+1）、（x0+1, y0+1）
//则(x,y)点的值为 g(x, y)=(1-b)*[(1-a)*g(x0,y0)+a*g(x0+1, y0)]+b*[(1-a)*g(x0, y0+1)+a*g(x0+1, y0+1)]
//a, b分别为列行权重值
	int res_wid = 0;
	int res_hei = 0;
	res_wid = res->width;
	res_hei = res->height;

	unsigned char *src_data = (unsigned char *)src->imageData;
	unsigned char *res_data = (unsigned char *)res->imageData;

	int v00, v01, v10, v11;
	float weightx, weighty;

	int res_x, res_y, src_x0, src_y0;
	for (int i=0; i<res_wid; i++)
	{
		for (int j=0; j<res_hei; j++)
		{
			res_x = j;//结果图像第x行
			res_y = i;//结果图像第y列

			src_x0 = (int)((float)j/ratio_x);//原始图像第x行
			src_y0 = (int)((float)i/ratio_y);//原始图像第y列
			weightx = ((float)j)/ratio_x - src_x0;//行权重值
			weighty = ((float)i)/ratio_y - src_y0;//列权重值

			v00 = (int)src_data[src_x0*src->widthStep+src_y0];
			v01 = (int)src_data[src_x0*src->widthStep+src_y0+1];
			v10 = (int)src_data[(1+src_x0)*src->widthStep+src_y0];
			v11 = (int)src_data[(1+src_x0)*src->widthStep+src_y0+1];

			res_data[res_x*res->widthStep+res_y] = (1-weightx)*(1-weighty)*v00+(1-weightx)*weighty*v01+weightx*(1-weighty)*v10+weightx*weighty*v11;
		}
	}

	cvNamedWindow("src");
	cvNamedWindow("res");
	cvShowImage("src", src);
	cvShowImage("res", res);
	cvWaitKey(0);
	cvReleaseImage(&src);
	cvReleaseImage(&res);
	cvDestroyAllWindows();
}

行压缩率：0.6

列压缩率：1.8



############################################################################


彩色图像的最近邻插值法、双线性插值法


最近邻插值法

void nearestNeighbor(IplImage *src, IplImage *res, float ratio_x, float ratio_y)//最近邻插值法
{//将结果图像上的像素点的值设定为原始图像上最接近的像素点的值
	int res_wid = 0;
	int res_hei = 0;
	res_wid = res->width;
	res_hei = res->height;

	unsigned char *src_data = (unsigned char *)src->imageData;
	unsigned char *res_data = (unsigned char *)res->imageData;

	int res_x, res_y, src_x, src_y;
	for (int i=0; i<res_wid; i++)
	{
		for (int j=0; j<res_hei; j++)
		{
			res_x = j;//结果图像第x行
			res_y = i;//结果图像第y列

			src_x = (int)(((float)j+0.5)/ratio_x);//原始图像第x行
			src_y = (int)(((float)i+0.5)/ratio_y);//原始图像第y列

			//res_data[res_x*res->widthStep+res_y] = src_data[src_x*src->widthStep+src_y];
			
			res_data[res_x*res->widthStep+res_y*3] = src_data[src_x*src->widthStep+src_y*3];
			res_data[res_x*res->widthStep+res_y*3+1] = src_data[src_x*src->widthStep+src_y*3+1];
			res_data[res_x*res->widthStep+res_y*3+2] = src_data[src_x*src->widthStep+src_y*3+2];
			
		}
	}

	cvNamedWindow("src");
	cvNamedWindow("res");
	cvShowImage("src", src);
	cvShowImage("res", res);
	cvWaitKey(0);
	cvReleaseImage(&src);
	cvReleaseImage(&res);
	cvDestroyAllWindows();
}


行压缩比率：0.8

列压缩比率：1.3



双线性插值法

void bilinear(IplImage *src, IplImage *res, float ratio_x, float ratio_y)
{//取原图像中相临近的四个像素点，按距离大小远近取不同权重值，加权得出结果图像相应的像素点的值
//设带插值像素点为（x,y），四个临近像素点分别为（x0, y0）、（x0+1, y0）、（x0, y0+1）、（x0+1, y0+1）
//则(x,y)点的值为 g(x, y)=(1-b)*[(1-a)*g(x0,y0)+a*g(x0+1, y0)]+b*[(1-a)*g(x0, y0+1)+a*g(x0+1, y0+1)]
//a, b分别为列行权重值
	int res_wid = 0;
	int res_hei = 0;
	res_wid = res->width;
	res_hei = res->height;

	unsigned char *src_data = (unsigned char *)src->imageData;
	unsigned char *res_data = (unsigned char *)res->imageData;

	int v00, v01, v10, v11;
	float weightx, weighty;

	int res_x, res_y, src_x0, src_y0;
	for (int i=0; i<res_wid; i++)
	{
		for (int j=0; j<res_hei; j++)
		{
			res_x = j;//结果图像第x行
			res_y = i;//结果图像第y列

			src_x0 = (int)((float)j/ratio_x);//原始图像第x行
			src_y0 = (int)((float)i/ratio_y);//原始图像第y列
			weightx = ((float)j)/ratio_x - src_x0;//行权重值
			weighty = ((float)i)/ratio_y - src_y0;//列权重值

			for (int k=0; k<3; k++)//3通道
			{
				v00 = (int)src_data[src_x0*src->widthStep+src_y0*3+k];
				v01 = (int)src_data[src_x0*src->widthStep+(src_y0+1)*3+k];
				v10 = (int)src_data[(1+src_x0)*src->widthStep+src_y0*3+k];
				v11 = (int)src_data[(1+src_x0)*src->widthStep+(src_y0+1)*3+k];

				res_data[res_x*res->widthStep+res_y*3+k] = (1-weightx)*(1-weighty)*v00+(1-weightx)*weighty*v01+weightx*(1-weighty)*v10+weightx*weighty*v11;
			}
		}
	}

	cvNamedWindow("src");
	cvNamedWindow("res");
	cvShowImage("src", src);
	cvShowImage("res", res);
	cvWaitKey(0);
	cvReleaseImage(&src);
	cvReleaseImage(&res);
	cvDestroyAllWindows();
}

行压缩率：1.4

列压缩率：1.4



#########################################


可以将上述灰度图像和彩色图像的最近邻插值法和双线性插值法函数结合起来，在函数开始时先检测图像是灰度图像还是彩色图像，然后分别进行相应的计算


编号1993
关注
专栏目录
opencv------图像的缩放
LYSSLQ2015的博客
05-30 923
opencv------图像的缩放
图像处理--OpenCV学习笔记
Prime me的博客
02-04 3035
OpenCV
谈谈数字图像的缩放算法
loswdarmy的专栏
05-12 1711
谈谈数字图像的缩放算法 时间: 2008-
opencv 图像的缩放(放大，缩小)，翻转与旋转
最新发布
xioayanran123的博客
06-28 501
opencv 图像的缩放(放大，缩小)，翻转，旋转 1、图像的缩放，旋转过程中为什么需要插值： 2、常见的插值算法包括： 3、图像的缩放，翻转，旋转： （1）图像的缩放 cv2::resize()，用于改变图像大小的函数，它可以用于图像的放大、缩小操作： 函数原型： 示例：将一个图像缩小为原来的一半 （2）图像的翻转 cv2::flip()，用于实现图像翻转（镜像）操作的函数，它可以在水平方向、垂直方向或者同时在两个方向上进行翻转： 函数原型： 示例：将一个图像沿水平方向进行翻转 （3）图像的旋转 cv2:
OpenCV中图像的缩放与旋转讲解及实战演示（附Python源码）
showswoller的博客
01-20 3542
OpenCV中图像的缩放与旋转讲解及实战演示（附Python源码）
opencv缩放图片
stationinthemind的博客
12-11 510
/创建缩放后的图像数据,参数1-图像大小,参数2-图像深度,这里从原图获取,参数3-图像通道数，这里依然从原图获取。/*图像大小变换,参数1-输入图像，参数2-输出图像，参数3-插值方法。//创建窗口,CV_WINDOW_AUTOSIZE自适应大小。//保存缩放后图片，参数1-路径，参数2-图像数据。//读取原图宽高并乘以缩放比，得到缩放后的长宽。//创建opencv长宽结构图变量。//定义缩放后窗口标题。//要保存的缩放后地址。//在指定窗口显示图像。//定义原图窗口标题。//缩放后图暂时为空。
OpenCV_缩放图像
健身房
12-01 400
函数功能为图像大小变换：
code04-01-resize_opencv处理代码_opencv_resize_数字图像_
10-04
本项目“code04-01-resize_opencv处理代码_opencv_resize_数字图像_”主要关注的是OpenCV库中的图像缩放功能，即`cv::resize()`函数的使用。 OpenCV是用C++编写的，但在其他编程语言如Python、Java中也有接口。在这...
基于python的数字图像处理--学习笔记（一）
weixin_46237636的博客
10-18 1869
OpenCV用C++语言编写，它的主要接口也是C++语言，但是依然保留了大量的C语言接口。此外，OpenCV还提供了Java、python、cuda等的使用接口、机器学习的基础算法调用。并使用numpy库对图片的矩阵数据进行变换处理，实现平移旋转等操作。dstCn：用于指定目标图像的通道数，如果指定的值是默认值0，那么通道数将由输入图像和颜色转换码决定。可以实现RGB颜色向HSV，HSI等颜色空间转换，也可以转换为灰度图。输入原始图像，输出新图像，图像的大小。dst：表示目的地的矩阵。
c语言实现图像resize函数,调整图像的尺寸 - cvResize() 函数实现
weixin_42519170的博客
05-21 2552
前言有时会碰到一张图片太大了，想将它缩小。本文将讲解一个很好用的函数解决这个问题。图像尺寸调整函数 cvResize()// 图像尺寸调整函数void Resize (const CvArr * src, 　　　　　　　　　　 // 待处理图像CvArr * dst, 　　　　　　　　　　　　 // 处理后图像int interpolation = CV_LINTER_LINTER...
opencv数字图像处理
04-29
**OpenCV 数字图像处理详解** OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉库，它包含了大量的图像和视频处理函数，广泛应用于图像分析、机器学习、计算机视觉算法开发等领域。本教程将...
基于OpenCV实现图像缩放功能
08-27
基于OpenCV实现的双线性插值缩放图像，缩放效果与OpenCV自带的resize的结果一致
数字图像处理——图像平移和缩放
wzy1414的博客
03-24 3960
偏移 function translation() %读入图片 image = imread('Fig3.tif'); %偏移量 delta_x = 20; delta_y = 20; [n ,m] = size(image); newImage = zeros(256,256); %开始偏移 for i = 1 : n for j = 1 : m pos = [i; j; 1]; delta = [1 0 delta_x; 0 1 delta_y; 0 0 1
OpenCV 图像缩放
ZHENG
09-24 329
//基于水平间隔 Mat imageReduction1(Mat &srcImage, float kx, float ky) { int nRows = cvRound(srcImage.rows * kx); int nCols = cvRound(srcImage.cols * ky); Mat resultImage(nRows, nCols, srcImage.typ...
OpenCV图像缩放
zouk‘s blogs
01-05 819
1.先放上效果图 2.再放上代码 #include int main() { //1 读取图片 IplImage* src = cvLoadImage("D:\\background.jpg", 1); CvSize dst; dst.width = (int)src->width * 0.68; dst.height = (int)src->height *
opencv图片缩放
Silver__Wolf的博客
07-26 414
import cv2# 获取原始图像大小# 计算原始图像宽高与目标图像大小的比例，并取其中的较小值# 根据上边求得的比例计算在保持比例前提下得到的图像大小# 根据上边的大小进行放缩# 计算需要填充的像素数目（图像的宽这一维度上）# 计算需要填充的像素数目（图像的高这一维度上）图片的上下边缘填充了黑边，使得图片内容比例保持不变。
OpenCV中图像的缩放
The blog of XMAN
07-18 4911
/************************************************************************* &gt; File Name: opencv.cpp &gt; Author: &gt; Mail: &gt; Created Time: Wed 18 Jul 2018 14:34:42 CST *****...
【 OpenCV】——图像缩放
m0_63014263的博客
03-30 5041
【 OpenCV】——图像缩放 前言 本文介绍了图像放大、图像放小基础内容。 使用步骤 ##1.引入库 #include<opencv2/opencv.hpp> #include<opencv2/core/core.hpp> #include<opencv2/imgcodecs.hpp> #include<opencv2/highgui.hpp> #include<opencv2\imgproc\types_c.h> #include<i
Python图像处理：cv2与PIL应用与OCR示例
本文将深入探讨Python中常用的图像处理库——OpenCV（cv2）和PIL（Python Imaging Library）的功能及其在实际应用中的操作。首先，我们来概述一下这两者在图像处理中的地位和应用场景。 1. **图片基本操作** - **...
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值