OpenCV图像缩放之cv.resize()函数详解

系列前言

这个系列是我第一个想要更下去的系列。每篇会全面介绍一个 OpenCV 函数，会给出 API 和示例。示例主要是用 Python 去写，但是 OpenCV 的原生语言是 C++，所以想翻译过去其实很简单。介绍过程中如果有相关的 CV 知识也会一并写入，还是那句话，争取做到说人话，让小白也能看得懂。

API

API 来自 OpenCV官方文档

C++

void cv::resize(InputArray    src,
               OutputArray   dst,
               Size          dsize,
               double        fx = 0,
               double        fy = 0,
               int           interpolation = INTER_LINEAR
              )

Python

dst = cv.resize(src, dsize[, dst[, fx[, fy[, interpolation]]]])

函数详解

顾名思义，这个函数可以把图片缩放到你想要的大小。

参数列表

在这里我们主要说 Python 的参数。把各个参数的含义和相关信息打一张表：

看这张表想必大家就很清楚了。

缩放方式其一

那么，想要实现缩放图像，有两种方法。第一种方法是指定缩放后的图像大小。下面是实现这个功能的一个简单的程序。后面的给出的其他程序都是对 resize 所在行进行的改动。

import numpy as np
import cv2 as cv

img = cv.imread("你希望缩放的图片")

# 缩放图像，后面的其他程序都是在这一行上改动
dst = cv.resize(img, (400, 300))

# 显示图像
cv.imshow("dst: ％d x ％d" ％ (dst.shape[0], dst.shape[1]), dst)
cv.waitKey(0)
cv.destroyAllWindows()

在这个例子中，我们指定了缩放后图像的大小为 400 x 300，resize 函数就会将图像拉伸到这个大小，拉伸后的图像相比于原图不会有任何的裁剪。

缩放方式其二

另一种方法，就是利用后面的 fx 和 fy，指定缩放后图像长宽相对于原图的比例。如果利用这两个参数，前面的 dsize 要写成一个不合法的形式（比如：(0, 0)）。具体原因后面会解释。

注意，在 dsize 和 fx 中间其实隔了一个无用的 dst，虽然没有实际作用，但是这个参数确实存在，按照 Python 的函数传参规则，要么指明实参传递给哪个形参，要么按顺序传参不能遗漏。具体看下面的例子，两行的效果一致，都是将图像横向缩放为原来的 0.5 倍，纵向缩放为原来的 0.3 倍。

# 形参缺省
dst = cv.resize(img, (0, 0), None, 0.5, 0.3)

# 指明形参
dst = cv.resize(img, (0, 0), fx=0.5, fy=0.3)

值得注意的是，缩放后的图像宽高是根据 round(img.shape[0] * fx) 和 round(img.shape[1] * fy) 来计算的，所以即使 fx 和 fy 并不是0，只要这两个计算结果中有一个是 0，也会报错。

两种方式的优先级

OpenCV 会先检查 dsize 是否合法，即图像的宽和高是否都是非 0 的。如果是，就按照这个缩放，忽略后面的 fx 和 fy；如果不是，就按照 fx，fy 来计算。即优先级： dsize > fx fy.

另外，两种方式是独立定义的，也就是不能混着，用数值指定长却用比率指定宽。不存在 cv.resize(img, (0, 400), fx=0.42) 这种用法！

关于插值方式

最后一个参数，在 resize 函数里有 7 种可能取值，参考OpenCV文档相关页。但是我这里第 7 个参数是不存在的，或许是版本问题？最后两个参数我试过，会报错，不行。

虽然这些参数非常庞杂，但他们的插值效果却差不多，一般情况下，默认的线性插值就够用。如果非要给点建议的话，我翻译一下官网方文档的原话：

要缩小图片，一般来说最好的插值方法是 cv.INTER_AREA，而要放大一张图片的话，一般来说效果最好的是 cv.INTER_CUBIC （速度慢）或者 cv.INTER_LINEAR （速度快一些但结果仍然不错）。

扩展 —— 相关函数

OpenCV 为缩放图像的大小提供了其他的选择，这里说两个函数：cv.pyrUp 和cv.pyrDown。

这两个函数可以用于构建图像金字塔，pyrUp 可以将图像长宽均放大为原来的 2 倍，而 pyrDown 则可以将图像长宽缩小为原来的 1/2. 与 resize 不同的是，这两个函数和高斯卷积核紧密相关。pyrUp 是对图像升采样，隔行隔列插入零向量之后用高斯核卷积，而 pyrDown 则是对图像高斯卷积后隔行隔列采样。两个的卷积核成倍数关系，前者是后者的4倍。

来源：https://blog.csdn.net/hysterisis/article/details/112381220