OpenCV-Python快速入门系列19图像放缩与插值

前言

在图像处理任务中，图像的放缩操作是非常常见的需求，例如调整图像大小以适配显示区域、数据增强或改变分辨率。OpenCV 提供了强大的图像放缩功能，并支持多种插值方法。

完整代码

import cv2 as cv

def resize_demo():
    # 加载图像
    image = cv.imread('images/test.png')
    if image is None:
        raise FileNotFoundError("图像路径错误，请检查路径是否正确！")

    # 获取图像的尺寸
    h, w, c = image.shape

    # 创建显示窗口
    cv.namedWindow("resize_demo", cv.WINDOW_AUTOSIZE)

    # 方法1：按目标尺寸放大图像（宽高均为原始的2倍）
    result1 = cv.resize(image, (w * 2, h * 2), interpolation=cv.INTER_NEAREST)

    # 方法2：按目标尺寸缩小图像（宽高均为原始的一半）
    result2 = cv.resize(image, (w // 2, h // 2), interpolation=cv.INTER_NEAREST)

    # 方法3：使用缩放因子调整大小（75% 原始尺寸）
    result3 = cv.resize(image, (0, 0), fx=0.75, fy=0.75, interpolation=cv.INTER_NEAREST)

    # 显示结果
    cv.imshow("Original Image", image)
    cv.imshow("Upscaled (2x)", result1)
    cv.imshow("Downscaled (0.5x)", result2)
    cv.imshow("Scaled (0.75x)", result3)

    # 等待按键退出
    cv.waitKey(0)
    cv.destroyAllWindows()

# 调用函数
resize_demo()

图像放缩方法

方法1：按目标尺寸调整大小

result1 = cv.resize(image, (w * 2, h * 2), interpolation=cv.INTER_NEAREST)

• cv.resize：调整图像大小。
  • (w * 2, h * 2)：指定目标尺寸（宽、高）。
  • cv.INTER_NEAREST：最近邻插值方法，快速但图像可能较为锯齿化。

方法2：按目标尺寸缩小

result2 = cv.resize(image, (w // 2, h // 2), interpolation=cv.INTER_NEAREST)

• 将目标尺寸设置为原图的宽高各一半，实现图像缩小。

方法3：使用缩放因子

result3 = cv.resize(image, (0, 0), fx=0.75, fy=0.75, interpolation=cv.INTER_NEAREST)

• 设置 fx 和 fy 分别表示水平方向和垂直方向的缩放因子。
• 当目标尺寸为 (0, 0) 时，fx 和 fy 会直接控制最终的缩放大小。

插值方法解析

常用插值方法

1. cv.INTER_NEAREST（最近邻插值）：
   • 最简单、最快速的插值方法。
   • 图像可能出现锯齿或块状效果，适用于简单场景。
2. cv.INTER_LINEAR（双线性插值，默认值）：
   • 在放缩过程中计算像素的加权平均值。
   • 通常用于实时图像处理，性能与效果平衡。
3. cv.INTER_CUBIC（双三次插值）：
   • 基于像素周围的 4×4 像素块进行插值。
   • 图像质量更高，但计算开销较大。
4. cv.INTER_LANCZOS4（Lanczos 插值）：
   • 使用像素周围的 8×8 像素块进行插值。
   • 适合对质量要求较高的静态图像处理。

应用场景

1. 图像增强：
   • 放大图像时，可以结合插值算法提升图像质量。
2. 数据预处理：
   • 将不同分辨率的图像统一到相同大小，以适配深度学习模型。
3. 分辨率调整：
   • 在图像显示或存储时，调整大小以优化资源使用。

运行效果