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
晨同学032710 分钟前
opencv的颜色通道问题 & rgb & bgr
人工智能·opencv·计算机视觉
路来了10 分钟前
Python小工具之PDF合并
开发语言·windows·python
蓝婷儿21 分钟前
Python 机器学习核心入门与实战进阶 Day 3 - 决策树 & 随机森林模型实战
人工智能·python·机器学习
AntBlack44 分钟前
拖了五个月 ,不当韭菜体验版算是正式发布了
前端·后端·python
.30-06Springfield1 小时前
决策树(Decision tree)算法详解(ID3、C4.5、CART)
人工智能·python·算法·决策树·机器学习
我不是哆啦A梦1 小时前
破解风电运维“百模大战”困局,机械版ChatGPT诞生?
运维·人工智能·python·算法·chatgpt
WJ.Polar1 小时前
Python数据容器-list和tuple
开发语言·python
qq_229644111 小时前
LucidShape 2024.09 最新
python
花好月圆春祺夏安3 小时前
基于odoo17的设计模式详解---装饰模式
数据库·python·设计模式
kyle~3 小时前
计算机视觉---RealSense深度相机技术
人工智能·数码相机·计算机视觉·机器人·嵌入式·ros·传感器