Opencv

一、插值算法原理介绍

1. 最近邻插值算法
   这是图像插值里面最简单的一种插值算法，在目标图像中待求的像素点由距离其最近的邻像素灰度确定。
   f(i+m,j+n)表示待求像素点灰度，其中i,j为正整数，m,n为（0,1）之间的数。如果f(i+m,j+n)离左上角更近，那么其灰度值就为（i,j）
   
   这种方法计算量小，但是效果不佳，很容易导致图像灰度的不连续。
2. 双线性插值算法
   双线性插值，类比于线性插值y=ax+b，双线性就可以理解为两个变量的插值函数的线性插值，本质上是做两个方向的线性插值。如下图。
   
   为了能够求出P点的灰度值，需要先求出R1和R2的值，在通过R1和R2求得P点，已知函数 f = P 在 Q11 = (x1, y1)、Q12 = (x1, y2), Q21 = (x2, y1) 以及 Q22 = (x2, y2) 四个点的值。首先，在x方向做一次线性插值，得到两个表达式：
   
   在 y 方向进行线性插值，得到
   
   ，
   都为权值，衡量P点离谁更近，则表示其权重越大。

二、OpenCV使用插值算法

1. opencv调用API实现图片放缩

import cv2


def opencvInterpolation():
    img = cv2.imread('./koala.jpg')
    # 图片缩小一半
    width = int(img.shape[1]*50/100)
    height = int(img.shape[0]*50/100)
    whsize = (width , height)
    minSize = cv2.resize(img, whsize,cv2.INTER_AREA)
    cv2.imshow("img:", img)
    cv2.imshow("minsize:",minSize)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

    fx = 1.5
    fy = 1.5
    resized1 = cv2.resize(minSize, dsize=None, fx=fx, fy=fy, interpolation=cv2.INTER_NEAREST)

    resized2 = cv2.resize(minSize, dsize=None, fx=fx, fy=fy, interpolation=cv2.INTER_LINEAR)
    print('Resized Dimensions : ', minSize.shape)

    cv2.imshow("Resized image", minSize)
    cv2.imshow("INTER_NEAREST image", resized1)
    cv2.imshow("INTER_LINEAR image", resized2)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
if __name__ == '__main__':
    opencvInterpolation()

参考：https://www.cnblogs.com/yibeimingyue/p/11485732.html