Datawhale_计算机视觉（cv）学习（一、图像插值）

图像插值算法原理简单描述

图像处理中，平移变换、旋转变换以及放缩变换是一些基础且常用的操作。这些几何变换并不改变图象的象素值，只是在图象平面上进行象素的重新排列。
需要插值算法来进行处理，常见的插值算法有

• 最近邻插值
  是指将目标图像中的点，对应到源图像中后，找到最相邻的整数点，作为插值后的输出。缺点是，用该方法作放大处理时，在图象中可能出现明显的块状效应
  -** 双线性插值**
  双线性插值就是线性插值在二维时的推广,在两个方向上做三次线性插值。

OpenCV代码实现

import cv2
 
if __name__ == "__main__":
    img = cv2.imread('image0.jpg', cv2.IMREAD_UNCHANGED)
    
    print('Original Dimensions : ',img.shape)
    
    scale_percent = 30       # percent of original size
    width = int(img.shape[1] * scale_percent / 100)
    height = int(img.shape[0] * scale_percent / 100)
    dim = (width, height)
    # resize image
    resized = cv2.resize(img, dim, interpolation = cv2.INTER_LINEAR)

    fx = 1.5
    fy = 1.5

    resized1 = cv2.resize(resized, dsize=None, fx=fx, fy=fy, interpolation = cv2.INTER_NEAREST)
    
    resized2 = cv2.resize(resized, dsize=None, fx=fx, fy=fy, interpolation = cv2.INTER_LINEAR)
    print('Resized Dimensions : ',resized.shape)
    
    cv2.imshow("Resized image", resized)
    cv2.imshow("INTER_NEAREST image", resized1)
    cv2.imshow("INTER_LINEAR image", resized2)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

输出：
Original Dimensions : (547, 730, 3)
Resized Dimensions : (164, 219, 3)
暂时未贴出输出的图片（当学到保存图片时候，补充上）

• 代码中使用的图片

所用函数说明

cv2.resize(src, dsize[, dst[, fx[, fy[, interpolation]]]])
参数：

参数	描述
src	【必需】原图像
dsize	【必需】输出图像所需大小
fx	【可选】沿水平轴的比例因子
fy	【可选】沿垂直轴的比例因子
interpolation	【可选】插值方式

插值方式：

cv.INTER_NEAREST	最近邻插值
cv.INTER_LINEAR	双线性插值
cv.INTER_CUBIC	基于4x4像素邻域的3次插值法
cv.INTER_AREA	基于局部像素的重采样

通常，缩小使用cv.INTER_AREA，放缩使用cv.INTER_CUBIC(较慢)和cv.INTER_LINEAR(较快效果也不错)。默认情况下，所有的放缩都使用cv.INTER_LINEAR。