Python如何使用OpenCV对图像进行缩放功能

这篇文章主要介绍了Python如何使用OpenCV对图像进行缩放功能，具有一定借鉴价值，感兴趣的朋友可以参考下，希望大家阅读完这篇文章之后大有收获，下面让小编带着大家一起了解一下。

OpenCV：图片缩放和图像金字塔

对图像进行缩放的最简单方法当然是调用resize函数啦！

resize函数可以将源图像精确地转化为指定尺寸的目标图像。

要缩小图像，一般推荐使用CV_INETR_AREA来插值；若要放大图像，推荐使用CV_INTER_LINEAR。

现在说说调用方式

第一种，规定好你要图片的尺寸，就是你填入你要的图片的长和高。

#include   #includeusing namespace std;using namespace cv; //图片的缩小与放大int main(){    Mat img = imread("lol5.jpg");    imshow("原始图", img);     Mat dst = Mat::zeros(512, 512, CV_8UC3); //我要转化为512*512大小的    resize(img, dst, dst.size());     imshow("尺寸调整之后", dst);     waitKey(0); }

第二种，填入你要缩小或者放大的比率。

#include   #include using namespace std;using namespace cv;//图片的缩小与放大int main(){    Mat img = imread("lol5.jpg");    imshow("原始图", img);    Mat dst;    resize(img, dst, Size(),0.5,0.5);//我长宽都变为原来的0.5倍    imshow("尺寸调整之后", dst);    waitKey(0);}

接下来说说图像金字塔

说白了，图像金字塔就是用来进行图像缩放的，干的事情跟resize函数没两样，那我们还需要学它吗？我觉得有必要的额，因为在学习卷积神经网络中会遇到这个名词，所以都学一学吧，搞图形都绕不过他！

说说什么是图像金字塔。

其实非常好理解，如上图所示，我们将一层层的图像比喻为金字塔，层级越高，则图像尺寸越小，分辨率越低。

两种类型的金字塔：

• 高斯金字塔：用于下采样，主要的图像金字塔；

• 拉普拉斯金字塔：用于重建图像，也就是预测残差（我的理解是，因为小图像放大，必须插入一些像素值，那这些像素值是什么才合适呢，那就得进行根据周围像素进行预测），对图像进行最大程度的还原。比如一幅小图像重建为一幅大图像，

图像金字塔有两个高频出现的名词：上采样和下采样。现在说说他们俩。

• 上采样：就是图片放大（所谓上嘛，就是变大），使用PryUp函数

• 下采样：就是图片缩小（所谓下嘛，就是变小），使用PryDown函数

下采样将步骤：

对图像进行高斯内核卷积

将所有偶数行和列去除

下采样就是图像压缩，会丢失图像信息。

上采样步骤：

• 将图像在每个方向放大为原来的两倍，新增的行和列用0填充；

• 使用先前同样的内核（乘以4）与放大后的图像卷积，获得新增像素的近似值。

上、下采样都存在一个严重的问题，那就是图像变模糊了，因为缩放的过程中发生了信息丢失的问题。要解决这个问题，就得看拉普拉斯金字塔了。

下面给出OpenCV中pryUp和pryDown的用法。

#include   #include using namespace std;using namespace cv;//图像金字塔int main(){    Mat img = imread("lol8.jpg");    imshow("原始图", img);    Mat dst,dst2;    pyrUp(img, dst, Size(img.cols*2, img.rows*2)); //放大一倍    pyrDown(img, dst2, Size(img.cols * 0.5, img.rows * 0.5)); //缩小为原来的一半    imshow("尺寸放大之后", dst);    imshow("尺寸缩小之后", dst2);    waitKey(0);}

显然，无论是放大还是缩小，图像都变得模糊了，这就是他的致命缺点。

感谢你能够认真阅读完这篇文章，希望小编分享的"Python如何使用OpenCV对图像进行缩放功能"这篇文章对大家有帮助，同时也希望大家多多支持，关注行业资讯频道，更多相关知识等着你来学习!