使用OpenCV調(diào)整圖像大小。要調(diào)整圖像的大小，可以根據(jù)每個軸（高度和寬度）進行縮放，考慮指定的縮放因素，或者只需設(shè)置所需的高度和寬度。

調(diào)整圖像大小時：

• 如果想在調(diào)整后的圖像中保持相同的寬高比，請務(wù)必記住圖像的原始寬高比（即寬度和高度）。
• 縮小圖像的大小需要重新采樣像素。
• 增加圖像的大小需要重建圖像。這意味著需要插值新像素。

各種插值技術(shù)發(fā)揮作用來完成這些操作。OpenCV中有幾種方法可供選擇，選擇通常取決于特定的應(yīng)用程序。

1.圖像尺寸信息

Python

# let's start with the Imports 
import cv2
import numpy as np
 
# Read the image using imread function
image = cv2.imread('image.jpg')
cv2.imshow('Original Image', image)
 
# let's downscale the image using new  width and height
down_width = 300
down_height = 200
down_points = (down_width, down_height)
resized_down = cv2.resize(image, down_points, interpolation= cv2.INTER_LINEAR)
 
# let's upscale the image using new  width and height
up_width = 600
up_height = 400
up_points = (up_width, up_height)
resized_up = cv2.resize(image, up_points, interpolation= cv2.INTER_LINEAR)
 
# Display images
cv2.imshow('Resized Down by defining height and width', resized_down)
cv2.waitKey()
cv2.imshow('Resized Up image by defining height and width', resized_up)
cv2.waitKey()
 
#press any key to close the windows
cv2.destroyAllWindows()

C++

// let's start with including libraries 
#include<opencv2/opencv.hpp>
#include<iostream>
 
// Namespace to nullify use of cv::function(); syntax
using namespace std;
using namespace cv;
 
int main()
{
  // Read the image using imread function
  Mat image = imread("image.jpg");
  imshow("Original Image", image);
 
 
  // let's downscale the image using new  width and height
  int down_width = 300;
  int down_height = 200;
  Mat resized_down;
  //resize down
  resize(image, resized_down, Size(down_width, down_height), INTER_LINEAR);
  // let's upscale the image using new  width and height
  int up_width = 600;
  int up_height = 400;
  Mat resized_up;
  //resize up
  resize(image, resized_up, Size(up_width, up_height), INTER_LINEAR);
  // Display Images and press any key to continue
  imshow("Resized Down by defining height and width", resized_down);
  waitKey();
  imshow("Resized Up image by defining height and width", resized_up);
  waitKey();
 
 
  destroyAllWindows();
  return 0;
}

在開始調(diào)整圖像的大小之前，先了解其原始尺寸。要獲取圖像的大?。?/mark>

• 在Python中使用shape方法
• C++中的rows和cols參數(shù)

Python中的image.shape返回三個值：高度、寬度和通道數(shù)。
在C++中：

• image.rows：圖像的高度
• image.columns：圖像的寬度

也可以使用size()函數(shù)獲得上述結(jié)果。

• image.size().width 返回寬度
• image.size().height 返回高度

Python

# Get original height and width
h,w,c = image.shape
print("Original Height and Width:", h,"x", w)

C++

// Get height and width
cout << "Original Height and Width :" << image.rows << "x" << image.cols << endl;

這里需要注意的一件重要事情是，OpenCV以$height?width?channels$格式輸出圖像的形狀，而其他一些圖像處理庫則以寬度、高度的形式輸出。對此有合乎邏輯的看法。

當使用OpenCV讀取圖像時，它們表示為NumPy數(shù)組。一般來說，總是用$rows?columns$（表示其高度的行和表示其寬度的列）來引用數(shù)組的形狀。因此，即使使用OpenCV讀取圖像以獲得其形狀，相同的NumPy數(shù)組規(guī)則也會發(fā)揮作用。你得到形狀的形狀是$height?width?channels$。

OpenCV resize()函數(shù)語法

OpenCV resize()函數(shù)語法需要兩個輸入?yún)?shù)：

• 源圖像。
• 調(diào)整大小圖像的所需大小，d大小。

我們將在以下各節(jié)中討論各種輸入?yún)?shù)選項。

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

• src：這是必需的輸入圖像，它可以是具有輸入圖像路徑的字符串（例如：“test_image.png”）。
• dsize：它是輸出圖像的理想尺寸，它可以是新的高度和寬度。
• fx：沿水平軸的縮放因子。
• fy：沿垂直軸的縮放因子。
• interpolation：它為我們提供了調(diào)整圖像大小的不同方法的選擇。

2.使用自定義寬度和高度調(diào)整圖像大小

在第一個示例中，讓我們通過指定一個新的寬度和高度來調(diào)整圖像的大小，這將縮小圖像的縮放。在以下代碼中：

• 我們將所需的寬度設(shè)置為300，所需的高度設(shè)置為200。
• 這兩個值組合成一個二維向量，這是resize()函數(shù)所要求的。
• 我們還指定了插值方法，恰好是默認值。

Python

# Set rows and columns 
# lets downsize the image using new  width and height
down_width = 300
down_height = 200
down_points = (down_width, down_height)
resized_down = cv2.resize(image, down_points, interpolation= cv2.INTER_LINEAR)

C++

// Set rows and columns 
// lets downsize the image using new width and height
   int down_width = 300;
   int down_height = 200;
   Mat resize_down;
 
   // resize down
   resize(image, resize_down, Size(down_width, down_height), INTER_LINEAR);

接下來，我們創(chuàng)建另一個變量來增加圖像的大小。
Python

# Set rows and columns
up_width = 600
up_height = 400
up_points = (up_width, up_height)
# resize the image
resized_up = cv2.resize(image, up_points, interpolation = cv2.INTER_LINEAR)

C++

// Set rows and columns
int up_width = 600;
int up_height = 400;
Mat resized_up;
//resize up
resize(image, resized_up, Size(up_width, up_height), INTER_LINEAR);

在上面的Python代碼中，我們正在使用resize()函數(shù)定義新的寬度和高度來升級圖像。過程和步驟與之前的片段相似。

在C++代碼中：

• 我們定義了用于升級的寬度和高度的新整數(shù)。
• 給出輸出圖像的矩陣。
• 然后使用resize()函數(shù)，與之前的代碼相同。

現(xiàn)在，讓我們使用OpenCV的imshow()函數(shù)顯示所有圖像。

Python

# Display images
cv2.imshow('Resized Down by defining height and width', resized_down)
cv2.waitKey()
cv2.imshow('Resized Up image by defining height and width', resized_up)
cv2.waitKey()
cv2.destroyAllWindows()

C++

// Display Images and press any key to continue
imshow("Resized Down by defining height and width", resized_down);
waitKey();
imshow("Resized Up image by defining height and width", resized_up);
waitKey();
destroyAllWindows();

3.使用縮放因子調(diào)整圖像的大小

現(xiàn)在我們用縮放因子調(diào)整圖像的大小。但在更進一步之前，你需要了解什么是縮放因素。

縮放因子通常是尺度縮放或乘以某些數(shù)量的數(shù)字，在圖像中尺寸是圖像的寬度和高度?？s放因子有助于保持寬高比完好無損，并保持顯示質(zhì)量。因此，在您升級或縮小縮放圖像時，圖像不會顯得失真。

Python

# Scaling Up the image 1.2 times by specifying both scaling factors
scale_up_x = 1.2
scale_up_y = 1.2
# Scaling Down the image 0.6 times specifying a single scale factor.
scale_down = 0.6
 
scaled_f_down = cv2.resize(image, None, fx= scale_down, fy= scale_down, interpolation= cv2.INTER_LINEAR)
scaled_f_up = cv2.resize(image, None, fx= scale_up_x, fy= scale_up_y, interpolation= cv2.INTER_LINEAR)

C++

// Scaling Up the image 1.2 times by specifying both scaling factors
double scale_up_x = 1.2;
double scale_up_y = 1.2;
// Scaling Down the image 0.6 times specifying a single scale factor.
double scale_down = 0.6;
Mat scaled_f_up, scaled_f_down;
//resize 
resize(image,scaled_f_down, Size(), scale_down, scale_down, INTER_LINEAR);
resize(image, scaled_f_up, Size(), scale_up_x, scale_up_y, INTER_LINEAR);

在上面的Python代碼中：

• 我們沿著水平和垂直軸定義了新的縮放因素。
• 定義縮放因子，就不需要對增加新的圖像寬度和高度。因此，值為None。

在上面的C++代碼中：

• 我們定義了新的縮放因子以及新圖像的矩陣。
• 由于我們不需要新的寬度和高度點，我們保持Size()為空，并使用resize()函數(shù)

現(xiàn)在，讓我們展示圖像，以便可視化和更好地理解。
Python

# Display images and press any key to check next image
cv2.imshow('Resized Down by defining scaling factor', scaled_f_down)
cv2.waitKey()
cv2.imshow('Resized Up image by defining scaling factor', scaled_f_up)
cv2.waitKey()

C++

// Display images and Press any key to continue check next image
imshow("Resized Down by defining scaling factor", scaled_f_down);
waitKey();
imshow("Resized Up by defining scaling factor", scaled_f_up);
waitKey();

左側(cè)圖像是縮小版本，右側(cè)是縮放版本。

4.使用不同的插值方法調(diào)整大小

不同的插值方法用于調(diào)整不同的尺寸大小。

• INTER_AREA：INTER_AREA使用像素區(qū)域關(guān)系進行重新采樣。這最適合縮小圖像的大?。s?。?。當用于放大圖像時，它使用INTER_NEAREST方法。
• INTER_CUBIC：這使用雙立方插值來調(diào)整圖像的大小。在調(diào)整新像素的大小和插值時，此方法作用于圖像的4×4相鄰像素。然后，需要16像素的平均權(quán)重來創(chuàng)建新的插值像素
• INTER_LINEAR：此方法與INTER_CUBIC插值有點相似。但與INTER_CUBIC不同，這使用2×2相鄰像素來獲得插值像素的加權(quán)平均值。
• INTER_NEAREST：INTER_NEAREST方法使用最近的鄰居概念進行插值。這是最簡單的方法之一，僅使用圖像中的一個相鄰像素進行插值。

如果您不完全理解插值方法，請不要擔(dān)心。我們將在一個單獨的例子中解釋它們。

Python

# Scaling Down the image 0.6 times using different Interpolation Method
res_inter_nearest = cv2.resize(image, None, fx= scale_down, fy= scale_down, interpolation= cv2.INTER_NEAREST)
res_inter_linear = cv2.resize(image, None, fx= scale_down, fy= scale_down, interpolation= cv2.INTER_LINEAR)
res_inter_area = cv2.resize(image, None, fx= scale_down, fy= scale_down, interpolation= cv2.INTER_AREA)

C++

# Scaling Down the image 0.6 using different Interpolation Method
Mat res_inter_linear, res_inter_nearest, res_inter_area;
resize(image, res_inter_linear, Size(), scale_down, scale_down, INTER_LINEAR);
resize(image, res_inter_nearest, Size(), scale_down, scale_down, INTER_NEAREST);
resize(image, res_inter_area, Size(), scale_down, scale_down, INTER_AREA);

在上面的Python片段中，我們正在使用不同的插值方法調(diào)整圖像的大小。同樣，在C++片段中，我們首先為輸出圖像定義新矩陣，然后使用不同的插值方法調(diào)整它們的大小?，F(xiàn)在讓我們顯示圖像。

Python

# Concatenate images in horizontal axis for comparison
vertical= np.concatenate((res_inter_nearest, res_inter_linear, res_inter_area), axis = 0)
# Display the image Press any key to continue
cv2.imshow('Inter Nearest :: Inter Linear :: Inter Area', vertical)

C++

Mat a,b,c;
vconcat(res_inter_linear, res_inter_nearest, a);
vconcat(res_inter_area, res_inter_area, b);
vconcat(a, b, c);
// Display the image Press any key to continue
imshow("Inter Linear :: Inter Nearest :: Inter Area :: Inter Area", c);

INTER_LINEAR在左邊，INTER_NEAREST在中間，INTER_AREA在右邊文章來源地址http://www.zghlxwxcb.cn/news/detail-469377.html

到了這里，關(guān)于OpenCV入門（C++/Python）- 使用OpenCV調(diào)整尺寸大?。ㄈ┑奈恼戮徒榻B完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！