python: scipy.misc.imresize：先裁剪成矩形，再调整图片大小并归一化

img = cv2.imread(img_path,cv2.IMREAD_COLOR)

def resize(self, img, height, width, centerCrop=True, interp='bilinear'):
        imgh, imgw = img.shape[0:2]
        if centerCrop and imgh != imgw:
            # center crop
            side = np.minimum(imgh, imgw)
            j = (imgh - side) // 2
            i = (imgw - side) // 2
            img = img[j:j + side, i:i + side, ...]
        # 改变图像大小并且隐藏归一化到0-255区间的操作
        img = scipy.misc.imresize(img, [height, width], interp=interp)
        return img

scipy.misc.imresize( arr, size, interp=‘bilinear’, mode=None)
改变图像大小并且隐藏归一化到0-255区间的操作

参数：

• arr: ndarray, the array of image to be resized

• size: 只对原图的第0和第1维度(h*w)的size做改变，其他维度的size保持不变。

   1) int, percentage（百分比） of current size. 
   整数的时候是原图像的百分比,例如7,80,160分别是原图像的百分之七，百分之八十，百分之一百六十的大小
   
   2)float, fraction（分数） of current size. 
   浮点数的时候是原图像的分数，例如0.7，1.5分别是原图像的0.7倍和1.5倍
  
   3)tupe, size of the output image (height,width).
   元组的时候是直接定义输出图像的长和宽，与原图的大小无关
  

• interp: str, optional. interpolation（插值） to use for re-sizing
  (‘nearest’, ‘lanczos’, ‘bilinear’, ‘bicubic’, ‘cubic’)。是一个可选的参数，是调整图像大小所用的插值的方法，分别有最近邻差值，Lanczos采样放缩插值，双线性插值，双三次插值，三次插值

• mode: str, optional.

以下讨论都是基于size=1.0或者size=100也就是说不改变原图像的大小的情况下。如果size不是和原图大小一样，那么先进行mode变化，再利用插值方法对size进行变化。

(1) 当arr是二维的时候arr=[h,w]，mode可以选择’P’,‘L’,None：mode='L’和mode=None的结果是一样的，都是直接将原图归一化到0-255范围内(归一化的方法在下面)，结果shape=[h,w]；mode='P’的时候是将mode='L’的结果是将只有一个图层的二维图像变为3维图像，具体做法是三个图层是一样的，结果shape=[h,w,3]。

(2) 当arr是三维的时候arr.shape=[h,w,c],必须满足一个条件，就是至少一个维度是3，mode可以选择‘RGB’, None实际上这两个选择结果是一样的；
a. 当c=3时，结果shape=[h,w,3],
b. 当c不等于3同时只有一个3的时候，shape的变化如下 [h,3,c]------[h,c,3]，[3,w,c]-----[w,c,3]，
c.当c不等于3同时h=w=3的时候，shape变化如下[3,3,c]-------[3,c,3].
(3)当arr是四维的时候：mode='RGBA’或者None，略（日后补充）

• 返回值： imresize: ndarray, the resized array of image

归一化的方法：

x先归一化到0-1区间得y1，再扩充到0-255区间（y2=y1*255）

imresize的进行大小改变之前要对原来的数据归一化成0-255区间的大小，对数据的shape不进行更改。在原来的数据中找到最大值max和最小值min，求得极值m，归一化操作y=（x-min）/m，这样就将x归一化到0-1区间，最后归一化0-255区间y*255.