【1】引言

前序已經學習了常規的圖像讀取操作和圖像保存技巧，相關文章鏈接為：

python學opencv|讀取圖像-CSDN博客

python學opencv|讀取圖像（二）保存彩色圖像-CSDN博客

今天我們更近一步，學習放大和縮小圖像的技巧，力求掌握cv.resize()函數的用法。

【2】opencv官方教程

點擊系下述鏈接，可以直達官網教程：

OpenCV: Geometric Image Transformations

在官網有很多函數，今天主要學習下述內容：

圖1

其實這里講的比較簡單，綜合起來就是：

resize(src, dst, dst.size(), fx, fy, interpolation)

src，輸入圖像，必須有，這是修改大小的初始條件；

dst，輸出圖像，如果不為0，大小和dsize一致，否則就,通過輸入計算fx和fy；輸出圖像和輸入圖像的類型一致；

dsize，輸出圖像的大小，如果=0或者none，就用fx和fy來修改圖像；

fx，水平方向放大因子；

fy，豎直方向放大因子；

interpolation，插值方法。

【3】代碼測試

在上述基礎上，輸入以下代碼做測試：

import cv2 #引入CV模塊# 讀取圖片
image = cv2.imread('opencv-picture-001.png')# 定義放大因子
scale_factor = 2# 放大圖片，使用立方插值
scaled_image = cv2.resize(image, None, fx=scale_factor, fy=scale_factor, interpolation=cv2.INTER_CUBIC) #INTER_CUBIC插值# 保存結果
cv2.imwrite('scaled_image-22-INTER_CUBIC.png', scaled_image)# 顯示結果
cv2.imshow('Scaled Image', scaled_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

在這里，使用的原圖像為opencv-picture-001.png：

圖2

用了兩倍的放大因子：scale_factor=2

使用的插值方法為：cv2.INTER_CUBIC

運行后的輸出圖像為：

圖3

上傳網站后好像圖2和圖3沒有區別，我們看一下它們的大小：

圖4

可見圖3相對于圖2確實是分別率擴大了兩倍。

【4】插值方法測試

在上述測試案例上，我們獲得的放大圖像在上傳CSDN網站后依然清晰。

實際上改變圖像大小有多種插值方法，相關鏈接為：

OpenCV: Geometric Image Transformations

我們主要研究一下前面三種：

圖5

更新插值和保存圖像代碼為：

# 放大圖片，使用不同插值方法
scaled_image = cv2.resize(image, None, fx=2, fy=2, interpolation=cv2.INTER_CUBIC) #INTER_CUBIC插值
scaled_image1= cv2.resize(image, None, fx=0.2, fy=2.2, interpolation=cv2.INTER_NEAREST)
scaled_image2= cv2.resize(image, None, fx=0.5, fy=0.5, interpolation=cv2.INTER_LINEAR )
# 保存結果
cv2.imwrite('scaled_image-22-INTER_CUBIC.png', scaled_image)
cv2.imwrite('scaled_image-22-INTER_NEAREST.png', scaled_image1)
cv2.imwrite('scaled_image-22-INTER_LINEAR.png', scaled_image2)

獲得的cv2.INTER_NEAREST和cv2.INTER_LINEAR插值圖像為：

圖6? cv2.INTER_NEAREST

圖6是使用NEAREST插值方法，橫向縮小為原來的0.2倍，豎向擴大為原來的2.2倍后的效果。

圖7 cv2.INTER_LINEAR

圖7是使用 LINEAR插值方法，橫向和豎向均縮小為原來的0.5倍后的圖像。

之后我們繼續修改，使圖像的放大因子保持一致：

scaled_image = cv2.resize(image, None, fx=2, fy=2, interpolation=cv2.INTER_CUBIC) #INTER_CUBIC插值
scaled_image1= cv2.resize(image, None, fx=2, fy=2, interpolation=cv2.INTER_NEAREST)
scaled_image2= cv2.resize(image, None, fx=2, fy=2, interpolation=cv2.INTER_LINEAR )
# 保存結果
cv2.imwrite('scaled_image-220-INTER_CUBIC.png', scaled_image)
cv2.imwrite('scaled_image-220-INTER_NEAREST.png', scaled_image1)
cv2.imwrite('scaled_image-220-INTER_LINEAR.png', scaled_image2)

此時獲得的圖像為：

圖8 從上到下CUBIC-NEAREST-LINEAR

相對來說，CUBIC插值法獲得的圖像清晰度最好。

此時的完整代碼為：

import cv2 #引入CV模塊# 讀取圖片
image = cv2.imread('opencv-picture-001.png')# 定義放大因子
scale_factor = 2# 放大圖片，使用不同插值方法
scaled_image = cv2.resize(image, None, fx=2, fy=2, interpolation=cv2.INTER_CUBIC) #INTER_CUBIC插值
scaled_image1= cv2.resize(image, None, fx=2, fy=2, interpolation=cv2.INTER_NEAREST)
scaled_image2= cv2.resize(image, None, fx=2, fy=2, interpolation=cv2.INTER_LINEAR )
# 保存結果
cv2.imwrite('scaled_image-220-INTER_CUBIC.png', scaled_image)
cv2.imwrite('scaled_image-220-INTER_NEAREST.png', scaled_image1)
cv2.imwrite('scaled_image-220-INTER_LINEAR.png', scaled_image2)
# 或者顯示結果
cv2.imshow('Scaled Image', scaled_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

【5】總結

探索了使用python+opencv放大和縮小圖像的方法。

經過對比不同的插值方法，發現CUBIC插值法獲得的圖像清晰度最好。

?

?

?

?