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
这里有鱼汤1 分钟前
“对象”?对象你个头!——Python世界观彻底崩塌的一天
后端·python
尘浮72811 分钟前
60天python训练计划----day59
开发语言·python
wh393314 分钟前
使用Python将PDF转换成word、PPT
python·pdf·word
船长@Quant31 分钟前
数学视频动画引擎Python库 -- Manim Voiceover 语音服务 Speech Services
python·数学·manim·动画引擎·语音旁白
好开心啊没烦恼2 小时前
Python 数据分析:计算,分组统计1,df.groupby()。听故事学知识点怎么这么容易?
开发语言·python·数据挖掘·数据分析·pandas
lljss20203 小时前
Python11中创建虚拟环境、安装 TensorFlow
开发语言·python·tensorflow
空中湖3 小时前
tensorflow武林志第二卷第九章:玄功九转
人工智能·python·tensorflow
CodeCraft Studio4 小时前
CAD文件处理控件Aspose.CAD教程:使用 Python 将绘图转换为 Photoshop
python·photoshop·cad·aspose·aspose.cad
Python×CATIA工业智造6 小时前
Frida RPC高级应用:动态模拟执行Android so文件实战指南
开发语言·python·pycharm
千宇宙航6 小时前
闲庭信步使用SV搭建图像测试平台:第三十一课——基于神经网络的手写数字识别
图像处理·人工智能·深度学习·神经网络·计算机视觉·fpga开发