利用OpenCV的函数resize()实现图像的缩放(尺寸变换)

可以利用OpenCV的函数resize()实现图像的缩放(尺寸变换)。

函数resize()的C++原型如下：

void resize(InputArray src, 
            OutputArray dst, 
            Size dsize, 
            double fx=0, 
            double fy=0, 
            int interpolation=INTER_LINEAR )

函数resize()的Python原型如下：

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

各参数的意义如下：
src—源图像
dst—目标图像,即输出图像
dsize:输出图像的尺寸，当它为0的时候，由参数fx和fy决定其值，计算公式为：dsize = Size(round(fxsrc.cols), round(fysrc.rows))
fx—水平方向上的缩放比例因子，当它为0的时候，其值由dsize决定，计算公式为：fx=(double)dsize.width/src.cols
fy—竖直方向上的缩放比例因子，当它为0的时候，其值由dsize决定，计算公式为：fy=(double)dsize.height/src.rows
注意：当参数dsize、fx、fy都不为0，且表示的输出图像尺寸不一致时，以参数dsize设置的输出图像尺寸为准。
interpolation—插值方式，在OpenCV4中通常有七种可选的插值方法，默认为“INTER_LINEAR”。七种插值方式如下:

• INTER_NEAREST：最近邻插值。
• INTER_LINEAR：双线性插值（默认值）。
• INTER_CUBIC：双三次插值。
• INTER_AREA - 使用像素面积关系重新采样。这可能是图像抽取(decimation)的首选方法，因为它可以获得无莫尔条纹的结果。但是当图像被放大时，它类似于INTER_NEAREST方法。
• INTER_LANCZOS4—8x8邻域上的Lanczos插值。
• INTER_LINEAR_EXACT —位精确双线性插值。
• INTER_MAX—用掩模进行插值。
  对于上面的插值方式，具体的数学原理，请大家去查阅相关书籍和文档，这里就不介绍了。
  一般来讲，如果要缩小图像，通常用 INTER_AREA会有较好的效果；而放大图像时通常采用INTER_CUBIC和INTER_LINEAR会有比较好的效果，前者的计算速度较慢，后者的速度较快，但前者的效果比后者的效果好。

函数resize()的C++示例代码如下：
代码中用到的图像下载链接：
https://pan.baidu.com/s/1Kr12nBJPqcIlAuyFp78gUw?pwd=e5sx

//出处：昊虹AI笔记网(hhai.cc)
//用心记录计算机视觉和AI技术

//博主微信/QQ 2487872782
//QQ群 271891601
//欢迎技术交流与咨询

//OpenCV版本 OpenCV3.0

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace std;
using namespace cv;

int main()
{
	cv::Mat srcImage = cv::imread("F:/material/images/2022/2022-12/view1.jpg");
	if (!srcImage.data)
		return -1;
	cv::imshow("原图", srcImage);

	// 将图像缩小（利用参数dsize设定输出图像的大小）
	Mat small_img;
	resize(srcImage, small_img, Size(150, 100), 0, 0, INTER_AREA);
	cv::imshow("small_img", small_img);

	// 最近邻插值（利用参数fx和fy设定输出图像的缩放比例）
	Mat big_img1;
	double fx = 2, fy = 2;
	resize(small_img, big_img1, Size(0, 0), fx, fy, INTER_AREA);
	cv::imshow("big_img1", big_img1);

	// 双线性插值（利用参数dsize设定输出图像的大小）
	Mat big_img2;
	resize(small_img, big_img2, Size(300, 200), 0, 0, INTER_LINEAR);
	cv::imshow("big_img2", big_img2);

	// 双三次插值（利用参数fx和fy设定输出图像的缩放比例）
	Mat big_img3;
	resize(small_img, big_img3, Size(0, 0), fx, fy, INTER_CUBIC);
	cv::imshow("big_img3", big_img3);

	cv::waitKey(0);
	return 0;
}

运行结果如下图所示：

函数resize()的Python示例代码如下：
代码中用到的图像下载链接：
https://pan.baidu.com/s/1Kr12nBJPqcIlAuyFp78gUw?pwd=e5sx

# -*- coding: utf-8 -*-
# 出处：昊虹AI笔记网(hhai.cc)
# 用心记录计算机视觉和AI技术

# 博主微信/QQ 2487872782
# QQ群 271891601
# 欢迎技术交流与咨询

# OpenCV的版本为4.4.0

import cv2 as cv
import sys

if __name__ == '__main__':
    # 读取图像并判断是否读取成功
    img = cv.imread('F:/material/images/2022/2022-12/view1.jpg')
    if img is None:
        print('Failed to read img.')
        sys.exit()

    cv.imshow('img_src', img)

    # 将图像缩小（利用参数dsize设定输出图像的大小）
    small_img = cv.resize(img, (150, 100), fx=0, fy=0, interpolation=cv.INTER_AREA)
    cv.imshow('small_img', small_img)

    # 最近邻插值（利用参数fx和fy设定输出图像的缩放比例）
    big_img1 = cv.resize(small_img, (0, 0), fx=2, fy=2, interpolation=cv.INTER_NEAREST)
    cv.imshow('big_img1', big_img1)

    # 双线性插值（利用参数dsize设定输出图像的大小）
    big_img2 = cv.resize(small_img, (300, 200), fx=0, fy=0, interpolation=cv.INTER_LINEAR)
    cv.imshow('big_img2', big_img2)

    # 双三次插值（利用参数fx和fy设定输出图像的缩放比例）
    big_img3 = cv.resize(small_img, (0, 0), fx=2, fy=2, interpolation=cv.INTER_CUBIC)
    cv.imshow('big_img3', big_img3)

    cv.waitKey(0)
    cv.destroyAllWindows()

运行结果如下图所示：