介绍resize()函数的语法及实例

作用：改变图像大小意味着改变尺寸，无论是单独的高或宽，还是两者。也可以按比例调整图像大小。

函数原型

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

参数：

参数名	用途
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

其中插值方式有很多种：

函数	插值算法
cv2.INTER_NEAREST	最近邻插值
cv.2INTER_LINEAR	双线性插值
cv2.INTER_CUBIC	三次样条插值
cv.2INTER_AREA	使用像素区域关系重新采样。它可能是图像抽取的首选方法，因为它可以提供无莫尔条纹的结果。但是当图像被缩放时，它类似于INTER_NEAREST方法。

通常的，缩小使用cv.INTER_AREA，放缩使用cv.INTER_CUBIC(较慢)和cv2.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。

例子
保留高宽比
以下是我们将在其上进行实验的尺寸（149,200,4）（高度，宽度，通道数）的原始图像：

import cv2
 
img = cv2.imread('./Pictures/python.png', cv2.IMREAD_UNCHANGED)
 
print('Original Dimensions : ',img.shape)
 
scale_percent = 60       # 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_AREA)
 
print('Resized Dimensions : ',resized.shape)
 
cv2.imshow("Resized image", resized)
cv2.waitKey(0)
cv2.destroyAllWindows()

结果：

Original Dimensions : (149, 200, 4)
Resized Dimensions : (89, 120, 4)

调节scale_percent可以放大或缩小。需要准备shape先高再宽，参数是先宽再高。

还有一种方式，就是使用自带的参数fx和fy，更加方便。

import cv2
img = cv2.imread("./Pictures/python.png")
print('Original Dimensions : ', img.shape)

resized = cv2.resize(img, None, fx=0.6, fy=0.6, interpolation=cv2.INTER_AREA)

print('Resized Dimensions : ',resized.shape)

cv2.imshow("resized_img", resized)
cv2.waitKey(0)

不保留高宽比
例如，改变宽度，高度不变：

import cv2

img = cv2.imread("./Pictures/python.png")

print('Original Dimensions : ',img.shape)
 
width = 440
height = img.shape[0] # keep original height
dim = (width, height)
 
# resize image
resized = cv2.resize(img, dim, interpolation = cv2.INTER_AREA)
 
print('Resized Dimensions : ',resized.shape)
 
cv2.imshow("Resized image", resized)
cv2.waitKey(0)
cv2.destroyAllWindows()

结果：

Original Dimensions : (149, 200, 4)
Resized Dimensions : (149, 440, 4)

指定高和宽
给定高和宽的像数值。

import cv2

img = cv2.imread("./Pictures/python.png")

print('Original Dimensions : ',img.shape)
 
width = 350
height = 450
dim = (width, height)
 
# resize image
resized = cv2.resize(img, dim, interpolation = cv2.INTER_AREA)
 
print('Resized Dimensions : ',resized.shape)
 
cv2.imshow("Resized image", resized)
cv2.waitKey(0)
cv2.destroyAllWindows()

结果：

Original Dimensions : (149, 200, 4)
Resized Dimensions : (450, 350, 4)

参考链接：
https://www.cnblogs.com/lfri/p/10596530.html