opencv 图像缩放操作 - python 实现

图像缩放是经常采用的图像处理操作,以下示例用 opencv 实现。

具体代码如下:

python 复制代码
#-*-coding:utf-8-*-
# date:2021-03-20
# Author: DataBall - XIAN
# Function: 图像缩放

import cv2 # 导入OpenCV库

if __name__ == "__main__":

    path = 'images/test.jpg' # 图片路径

    img = cv2.imread(path)# 读取图片
    print("img shape : {}".format(img.shape))
    cv2.namedWindow('image',0)
    cv2.imshow('image',img) # 显示图片

    #------------------------------------------------------------------------------------------------
    # cv2.INTER_LINEAR,cv2.INTER_CUBIC,cv2.INTER_NEAREST,cv2.INTER_AREA,INTER_LANCZOS4 : 不同的查找方式
    img_r = cv2.resize(img, (256,256), interpolation = cv2.INTER_LINEAR) # 将原图缩放到尺寸 256*256 双线性插值(默认设置)
    print("img_r shape : {}".format(img_r.shape))
    cv2.namedWindow('INTER_LINEAR',0)
    cv2.imshow('INTER_LINEAR',img_r)
    #
    img_r = cv2.resize(img, (256,256), interpolation = cv2.INTER_CUBIC) # 将原图缩放到尺寸 256*256 4x4像素邻域的双三次插值
    cv2.namedWindow('INTER_CUBIC',0)
    cv2.imshow('INTER_CUBIC',img_r)
    #
    img_r = cv2.resize(img, (256,256), interpolation = cv2.INTER_NEAREST) # 将原图缩放到尺寸 256*256 最近邻插值
    cv2.namedWindow('INTER_NEAREST',0)
    cv2.imshow('INTER_NEAREST',img_r)
    #
    img_r = cv2.resize(img, (256,256), interpolation = cv2.INTER_AREA) # 将原图缩放到尺寸 256*256 使用像素区域关系进行重采样
    cv2.namedWindow('INTER_AREA',0)
    cv2.imshow('INTER_AREA',img_r)
    #
    img_r = cv2.resize(img, (256,256), interpolation = cv2.INTER_LANCZOS4) # 将原图缩放到尺寸 256*256 8x8像素邻域的Lanczos插值
    cv2.namedWindow('INTER_LANCZOS4',0)
    cv2.imshow('INTER_LANCZOS4',img_r)


    cv2.waitKey(0)
    cv2.destroyAllWindows() # 销毁所有显示窗口

​​

助力快速掌握数据集的信息和使用方式。

数据可以如此美好!

相关推荐
zenRRan6 分钟前
Qwen2.5-VL Technical Report!!! 操作手机电脑、解析化学公式和乐谱、剪辑电影等,妥妥六边形战士 !...
人工智能
让我安静会15 分钟前
Obsidian·Copilot 插件配置(让AI根据Obsidian笔记内容进行对话)
人工智能·笔记·copilot
橘子师兄18 分钟前
分页功能组件开发
数据库·python·django
Allen_LVyingbo20 分钟前
Scrum方法论指导下的Deepseek R1医疗AI部署开发
人工智能·健康医疗·scrum
Watermelo61735 分钟前
从DeepSeek大爆发看AI革命困局:大模型如何突破算力囚笼与信任危机?
人工智能·深度学习·神经网络·机器学习·ai·语言模型·自然语言处理
Donvink37 分钟前
【DeepSeek-R1背后的技术】系列九:MLA(Multi-Head Latent Attention,多头潜在注意力)
人工智能·深度学习·语言模型·transformer
Logintern0941 分钟前
使用VS Code进行Python编程的一些快捷方式
开发语言·python
计算机软件程序设计43 分钟前
深度学习在图像识别中的应用-以花卉分类系统为例
人工智能·深度学习·分类
Ainnle1 小时前
企业级RAG开源项目分享:Quivr、MaxKB、Dify、FastGPT、RagFlow
人工智能·开源
Multiple-ji1 小时前
想学python进来看看把
开发语言·python