使用Python，OpenCV缩放照片（忽略宽高比，保持宽高比）

Posted 2021-06-28 程序媛一枚~

使用Python，OpenCV缩放照片（忽略宽高比，保持宽高比）

• • 1. 效果图
  • • 1.1 保持宽高比效果图
    • 1.2 忽略宽高比效果图
    • 1.3 opencv各插值效果图
  • 2. 原理
  • 3. 源码
  • 参考

这篇博客将介绍如何使用OpenCV调整图像大小。

调整图像的大小：缩小图像大小更有利一些（而且视觉上更吸引人一些），需要从图像中移除像素。增加图像的大小，则需要在其间“填补”不存在的像素值。

虽然高分辨率图像在视觉上对人眼有吸引力，但它们会损害计算机视觉和图像处理管道处理。

• 根据定义，图像越大，数据越多，因此算法处理数据的时间也就越长。
• 高分辨率图像非常详细，但从计算机视觉/图像处理的角度来看，我们更感兴趣的是图像的结构成分，而不是超细粒度的细节。大分辨率的图像几乎都是下采样的，以帮助图像处理系统运行更快，更准确。

1. 效果图

1.1 保持宽高比效果图

原图 VS 缩小为1/2图 VS 放大2倍图效果图如下：

1.2 忽略宽高比效果图

可以看出保持宽高比的缩放使得图片看起来比较规整，忽略图像的宽高比会使调整后的图像看起来像被压缩、扭曲或者挤压。

1.3 opencv各插值效果图

原图 VS cv2.INTER_NEAREST效果图如下，有块状的伪影

原图 VS cv2.INTER_LINEAR效果图如下：块状的伪影消失，图像看起来更平滑

原图 VS cv2.INTER_AREA效果图如下，块状的瑕疵又回来了

原图 VS cv2.INTER_CUBIC效果图如下，三次插值进一步消除了块状伪影

原图 VS cv2.INTER_LANCZOS4效果图如下，基本同cv2.INTER_CUBIC

2. 原理

• cv2.resize（忽略宽高比）
• imutils.resize（保持宽高比）
• OpenCV中提供的插值方法（在需要对图像进行下采样或上采样时非常有用）

3. 源码

# USAGE
# python opencv_resize.py

# 导入必要的包
import argparse

import cv2
# 构建命令行参数及解析
# --image 输入图像的路径
import imutils

ap = argparse.ArgumentParser()
ap.add_argument("-i", "--image", type=str, default="ymzyt.jpg",
                help="path to the input image")
args = vars(ap.parse_args())

# 加载原始图像并展示
image = cv2.imread(args["image"])
image = imutils.resize(image, width=400)
cv2.imshow("Original", image)
width = image.shape[1]
cv2.imshow("ratio 1/2", imutils.resize(image, width=int(width / 2)))
cv2.imshow("ratio 2", imutils.resize(image, width=width * 2))
cv2.waitKey(0)

cv2.imshow("Original", image)
width = image.shape[1]
height = image.shape[0]
cv2.imshow("no ratio 1/2", cv2.resize(image, (int(width / 2), int(height / 1)), interpolation=cv2.INTER_AREA))
cv2.imshow("no ratio 2", cv2.resize(image, (width * 2, height * 3), interpolation=cv2.INTER_AREA))
cv2.waitKey(0)

# 缩放图像为宽度200px，但是为了防止图像被挤压及扭曲，首先计算宽高比
r = 200.0 / image.shape[1]
dim = (200, int(image.shape[0] * r))

# 调整图像大小
resized = cv2.resize(image, dim, interpolation=cv2.INTER_AREA)
cv2.imshow("Resized (Width)", resized)

# 保持宽高比的缩放高度为100px
r = 100.0 / image.shape[0]
dim = (int(image.shape[1] * r), 100)

# 执行缩放
resized = cv2.resize(image, dim, interpolation=cv2.INTER_AREA)
cv2.imshow("Resized (Height)", resized)
cv2.waitKey(0)

# 每次缩放图像时都自动计算宽高比，并保持宽高比的缩放图像
resized = imutils.resize(image, width=200)
cv2.imshow("Resized via imutils", resized)
cv2.waitKey(0)

resized = imutils.resize(image, height=75)

# 插值函数的目标是检查像素的邻域，并使用这些邻域在不引入失真（或至少尽可能少的失真）的情况下光学地增大或减小图像的大小。
# - cv2.INTER_NEAREST 最近邻插值法，OpenCV默认执行该方法，它执行双线性插值-斜率截距形式；
# - cv2.INTER_AREA 最简单的插值方法，找到“最近的”像素并假设其值。该方法不需要计算相邻像素的加权平均值或应用复杂的规则，虽然这种方法快速简单，但调整大小后的图像质量往往相对较差，并可能导致“块状”伪影。

# 这俩种方法速度较慢（它们不再使用简单的线性插值，而是使用样条曲线），并且在正方形像素邻域上使用双三次插值。
# - cv2.INTER_CUBIC 计算4 x 4邻居
# - cv2.INTER_LANCZOS4 计算8 x 8邻居，很少见，

# 构建OpenCV中的插值方法List
methods = [
    ("cv2.INTER_NEAREST", cv2.INTER_NEAREST),  # 有块状的伪影
    ("cv2.INTER_LINEAR", cv2.INTER_LINEAR),  # 块状的伪影消失，图像看起来更平滑
    ("cv2.INTER_AREA", cv2.INTER_AREA),  # 块状的瑕疵又回来了
    ("cv2.INTER_CUBIC", cv2.INTER_CUBIC),  # 三次插值进一步消除了块状伪影
    ("cv2.INTER_LANCZOS4", cv2.INTER_LANCZOS4)]  # 基本同cv2.INTER_CUBIC

# 遍历插值方法
for (name, method) in methods:
    # 上采样，使用当前插值方法，放大图片3倍
    print("[INFO] {}".format(name))
    resized = imutils.resize(image, width=image.shape[1] * 2,
                             inter=method)
    cv2.imshow("Method: {}".format(name), resized)

cv2.waitKey(0)
cv2.destroyAllWindows()

参考

• https://www.pyimagesearch.com/2021/01/20/opencv-resize-image-cv2-resize/