图像缩放¶
概要¶
本节介绍了使用resize 函数与wrapAffine 两种方式实现图像缩放.
keywords 图像缩放 resize wrapAffine
利用resize函数实现缩放¶
opencv其实有专门进行图像缩放的函数resize。
resize(src, dsize[, dst[, fx[, fy[, interpolation]]]]) -> dst
参数解析
-
src输入图片 -
dsize输出图片的尺寸 -
dst输出图片 -
fxx轴的缩放因子 -
fyy轴的缩放因子 -
interpolation插值方式 -
INTER_NEAREST- 最近邻插值 -
INTER_LINEAR- 线性插值（默认） -
INTER_AREA- 区域插值 -
INTER_CUBIC- 三次样条插值 -
INTER_LANCZOS4- Lanczos插值
在使用的时候， 我们可以传入指定的图片的尺寸dsize
src/resize_cat.py
''' 使用resize函数对图像进行缩放 ''' import cv2 import numpy as np img = cv2.imread('cat.jpg') height,width,channel = img.shape # 声明新的维度 new_dimension = (400, 400) # 指定新图片的维度与插值算法（interpolation） resized = cv2.resize(img, new_dimension) cv2.imwrite('cat_resize_400_400.png', resized)
或者指定缩放因子
f_x, f_y
将dsize 设置为 None 然后指定fx fy
import cv2 import numpy as np img = cv2.imread('cat.png') height,width,channel = img.shape # 指定新图片的维度与插值算法（interpolation） resized = cv2.resize(img, None, fx=1.5, fy=2) cv2.imwrite('cat_resize_fx_fy.png', resized)
或者指定输出图片，并传入输出图片的size。
src/resize_cat_v2.py
''' 根据fx跟fy进行图像缩放 ''' import cv2 import numpy as np img = cv2.imread('cat.jpg') height,width,channel = img.shape # 指定输出图片 dst = np.zeros((100, 100, 3), dtype='uint8') # 指定新图片的维度与插值算法（interpolation） cv2.resize(img, dst=dst, dsize=(dst.shape[1], dst.shape[0]), fx=1.5, fy=2) cv2.imwrite('cat_resize_from_dst.png', dst)
更详细的使用说明见opencv-resize 文档
为了方便使用， 我们也可以将其封装成函数
def resize(image, width = None, height = None, inter = cv2.INTER_AREA): dim = None (h, w) = image.shape[:2] if width is None and height is None: return image if width is None: r = height / float(h) dim = (int(w * r), height) if height is None: r = width / float(w) dim = (width, int(h * r)) if width and height: dim = (width, height) resized = cv2.resize(image, dim, interpolation = inter) return resized
分辨率 从5*5 放大到1000*1000, 选择不同的插值算法，对应的演示效果。
src/resize_interpolation.py
''' 差值算法对比 ''' import cv2 import numpy as np from matplotlib import pyplot as plt img = np.uint8(np.random.randint(0,255,size=(5,5))) height,width= img.shape # 声明新的维度 new_dimension = (1000, 1000) plt.subplot(231) plt.title("SRC Image") plt.imshow(img,cmap='seismic') plt.subplot(232) resized = cv2.resize(img, new_dimension, interpolation = cv2.INTER_NEAREST) plt.title("INTER_NEAREST") plt.imshow(resized,cmap='seismic') plt.subplot(233) resized = cv2.resize(img, new_dimension, interpolation = cv2.INTER_LINEAR) plt.title("INTER_LINEAR") plt.imshow(resized,cmap='seismic') plt.subplot(234) resized = cv2.resize(img, new_dimension, interpolation = cv2.INTER_AREA) plt.title("INTER_AREA") plt.imshow(resized,cmap='seismic') plt.subplot(235) resized = cv2.resize(img, new_dimension, interpolation = cv2.INTER_CUBIC) plt.title("INTER_CUBIC") plt.imshow(resized,cmap='seismic') plt.subplot(236) resized = cv2.resize(img, new_dimension, interpolation = cv2.INTER_LANCZOS4) plt.title("INTER_LANCZOS4") plt.imshow(resized,cmap='seismic') plt.show()
!!学霸分割线!!
如果你对图像缩放的数学原理不感兴趣的话,就不需要往下看了.
利用wrapAffine实现缩放¶
对图像的伸缩变换的变换矩阵M为
\begin{equation}
{
\left[ \begin{array}{c}
x'\\
y'\\
\end{array}
\right ]}=
{
\left[ \begin{array}{cc}
f_x & 0\\
0 & f_y\\
\end{array}
\right ]}\times
{
\left[\begin{array}{c}
x\\
y\\
\end{array}
\right]
}+
{
\left[\begin{array}{c}
0\\
0\\
\end{array}
\right]
}
\end{equation}
其中，
f_x
代表x轴的焦距(缩放因子)，
f_y
代表y轴的焦距(缩放因子)。
x' = f_x * x
y' = f_y*y
''' 使用仿射矩阵实现 ''' import numpy as np import cv2 img = cv2.imread('cat.jpg') height,width,channel = img.shape # x轴焦距 1.5倍 fx = 1.5 # y轴焦距 2倍 fy = 2 # 声明变换矩阵 向右平移10个像素， 向下平移30个像素 M = np.float32([[fx, 0, 0], [0, fy, 0]]) # 进行2D 仿射变换 resized = cv2.warpAffine(img, M, (int(width*fx), int(height*fy))) cv2.imwrite('resize_raw.png', resized)
演示效果
我们利用random 模块生成一个5×5的随机矩阵。
# 生成一个随机噪点 img = np.uint8(np.random.randint(0,255,size=(5,5)))
原图
[[227 66 2 153 30] [ 8 23 68 45 91] [194 216 229 128 109] [ 73 111 189 200 111] [ 99 82 217 80 52]]
缩放后
[[227 121 44 2 101 111 30] [118 70 41 35 77 86 61] [ 8 18 38 68 53 61 91] [101 113 129 149 108 91 100] [194 208 220 229 163 121 109] [134 153 179 209 179 145 110] [ 73 98 138 189 196 169 111] [ 86 93 133 203 162 120 82] [ 99 88 128 217 127 70 52] [ 50 44 64 109 64 35 26]]
为了更加直观的感受， 我们可以进行数据可视化。
我们使用matplotlib进行绘制 resize前与resize之后的图片。
源代码
src/resize_cat_v4.py
''' 仿射矩阵实现缩放 fx,fy ''' import numpy as np import cv2 from matplotlib import pyplot as plt # 生成一个随机噪点 img = np.uint8(np.random.randint(0,255,size=(5,5))) height,width = img.shape # x轴焦距 1.5倍 fx = 1.5 # y轴焦距 2倍 fy = 2 # 声明变换矩阵 向右平移10个像素， 向下平移30个像素 M = np.float32([[fx, 0, 0], [0, fy, 0]]) # 进行2D 仿射变换 resized = cv2.warpAffine(img, M, (int(width*fx), int(height*fy))) print(img) print(resized) # 数据可视化 plt.subplot(121) plt.imshow(img, cmap="gray") plt.subplot(122) plt.imshow(resized,cmap="gray") plt.show()
