OpenCV-16图像的基本变换

一、图像的放大与缩小

1. 对小狗图片进行缩放

使用API----resize(src, dsize, [,dst,[fx[,fy[,interpolation]]]])

src:要缩放的图像。

dsize:缩放之后的图像大小,元组和列表表示都可以。

dst:可选参数,缩放之后的输出图片。

fx,fy:x轴与y轴的缩放比,即宽度与高度的缩放比。

interpolation:插值算法,只要包括以下四种:

1)INTER_NEAREST, 邻近查找,速度快,效果差

2)INTER_LINEAR, 双线性插值,使用原图中的4个点进行插值,为默认的

3)INTER_CUBIC, 三次插值,原图纸的16个点。

4)INTER_AREA, 区域插值,效果最好,时间最长。

示例代码如下所示:

复制代码
import cv2
import numpy as np


dog = cv2.imread("dog.png")
cat = cv2.imread("cat.png")
print(dog.shape)
print(cat.shape)

# 把狗缩放的和猫一样大
new_dog = cv2.resize(dog, (559, 372))   # 先填宽度再填高度
# shape显示中行为高度,列为宽度   后面参数可以默认
print(new_dog.shape)
cv2.imshow("new_dog", np.hstack((cat, new_dog)))
cv2.imshow("dog", dog)
print(dog.__sizeof__())
print(new_dog.__sizeof__())

cv2.waitKey(0)
cv2.destroyAllWindows()

输出结果如下所示:

通过__sizeof__我们可以查看旧的小狗图像和新的小狗图像所占内存大小。

可以看到,经过resize操作后,小狗的图像的宽和高降低,所占内存空间减小。

2. 比较不同算法下的resize操作

复制代码
new_dog1 = cv2.resize(dog, (800, 800), interpolation = cv2.INTER_NEAREST)   # 先填宽度再填高度
new_dog2 = cv2.resize(dog, (800, 800), interpolation = cv2.INTER_LINEAR)    # 先填宽度再填高度
new_dog3 = cv2.resize(dog, (800, 800), interpolation = cv2.INTER_CUBIC)    # 先填宽度再填高度
new_dog4 = cv2.resize(dog, (800, 800), interpolation = cv2.INTER_AREA)    # 先填宽度再填高度

cv2.imshow("new_dog", np.hstack((cat, new_dog)))
cv2.imshow("dog1", new_dog1)
cv2.imshow("dog2", new_dog2)
cv2.imshow("dog3", new_dog3)
cv2.imshow("dog4", new_dog4)

我们可以比较四种不用的算法,一般来说cv2.INTER_AREA效果最好。

3. 按照x轴和y轴的比例进行缩放

此时dsize为None,建议填写关键字参数

复制代码
new_dog5 = cv2.resize(dog, dsize=None, fx=0.5, fy=0.5)

此时得到的小狗图片是之前的一般大小。

综合演示代码如下所示:

复制代码
import cv2
import numpy as np


dog = cv2.imread("dog.png")
cat = cv2.imread("cat.png")
print(dog.shape)
print(cat.shape)

# 把狗缩放的和猫一样大
new_dog = cv2.resize(dog, (559, 372))   # 先填宽度再填高度
# shape显示中行为高度,列为宽度   后面参数可以默认
print(new_dog.shape)
# 比较四种算法下的小狗照片的缩放
new_dog1 = cv2.resize(dog, (800, 800), interpolation = cv2.INTER_NEAREST)   # 先填宽度再填高度
new_dog2 = cv2.resize(dog, (800, 800), interpolation = cv2.INTER_LINEAR)    # 先填宽度再填高度
new_dog3 = cv2.resize(dog, (800, 800), interpolation = cv2.INTER_CUBIC)    # 先填宽度再填高度
new_dog4 = cv2.resize(dog, (800, 800), interpolation = cv2.INTER_AREA)    # 先填宽度再填高度
# 按照x轴和y轴进行缩放
new_dog5 = cv2.resize(dog, dsize=None, fx=0.5, fy=0.5)


cv2.imshow("new_dog", np.hstack((cat, new_dog)))
cv2.imshow("dog1", new_dog1)
cv2.imshow("dog2", new_dog2)
cv2.imshow("dog3", new_dog3)
cv2.imshow("dog4", new_dog4)
cv2.imshow("dog5", new_dog5)
print(dog.__sizeof__())
print(new_dog.__sizeof__())

cv2.waitKey(0)
cv2.destroyAllWindows()
相关推荐
Chef_Chen23 分钟前
从0开始学习计算机视觉--Day08--卷积神经网络
学习·计算机视觉·cnn
胖达不服输1 小时前
「日拱一码」020 机器学习——数据处理
人工智能·python·机器学习·数据处理
吴佳浩1 小时前
Python入门指南-番外-LLM-Fingerprint(大语言模型指纹):从技术视角看AI开源生态的边界与挑战
python·llm·mcp
吴佳浩2 小时前
Python入门指南-AI模型相似性检测方法:技术原理与实现
人工智能·python·llm
叶 落2 小时前
计算阶梯电费
python·python 基础·python 入门
Python大数据分析@3 小时前
Origin、MATLAB、Python 用于科研作图,哪个最好?
开发语言·python·matlab
编程零零七3 小时前
Python巩固训练——第一天练习题
开发语言·python·python基础·python学习·python练习题
Zonda要好好学习3 小时前
Python入门Day4
java·网络·python
小龙在山东4 小时前
Python 包管理工具 uv
windows·python·uv
weixin_307779134 小时前
批量OCR的GitHub项目
python·github·ocr