Python图像缩放与旋转

1. 图像缩放

1.2. 使用命令

import cv2
# 缩放
def resize(img, k, inter):
    res = cv2.resize(img, None, fx=k, fy=k, interpolation=inter)  
    return res

参数设定（interpolation）：

0：最近邻插值

1：双线性插值

2：基于局部像素的重采样

3：基于4*4像素邻域的三次插值

4：基于8*8像素邻域的Lanczos插值

img_row = cv2.imread(r'picture4.jpg')
cv2.imshow('origin_picture', img_row)
cv2.waitKey(0)
inters = [cv2.INTER_NEAREST, cv2.INTER_LINEAR, cv2.INTER_AREA, cv2.INTER_CUBIC, cv2.INTER_LANCZOS4]
for inter in inters:
    res1 = resize(img_row, 2, inter)
    cv2.imshow('res1', res1)
    cv2.waitKey(0)
    position = 'pic_resize' + '_' + str(inter) + '.jpg'
    cv2.imwrite(position, res1)

1.2. 原理介绍

几种方法原理简介：

最近邻插值：将目标图像中的点对应原图像中最近邻整数坐标点的像素值双线性插值：f(x,y)为二元函数，假设我们知道f(x0,y0), f(x1,y1),f(x0,y1), f(x1,y0)四个点的值。这四个点确定一个矩形，我们希望通过插值得到矩形内任意点的函数值。于是我们在x方向上进行两次线性插值，y方向上一次线性插值。综合后得到以下公式：

 局部像素的重采样：如果放大图像的比例是整数倍，与最近邻插值类似，如果放大的比例不是整数倍，则会采用线性插值三次插值：给定n+1个点，a=x0<x1 < . . . <xn=b，以及他们的函数值f (x i) , i = 0 , 1 , 2 , . . . n ，在每个区间 [ x i , x i + 1 ]上，确定一个三次多项式，每个三次多项式满足共4n-2个条件，剩余条件由边界条件确定：

 Lanczos插值：

需要通过计算模板中的权重信息来计算x对应的值。对于一维信息，假如我们输入的点集为X，那么，Lanczos对应有个窗口模板Window，窗口中每个位置的权重计算如下，通常a取2或者3.根据计算出来的权重，然后再根据x即可求出对应的加权平均：

1.3. 方法比较

速度比较：

效果比较：

最近邻插值：最简单，但是边缘没有缓慢的过渡区域，导致放大图像边缘容易出现锯齿双线性插值：计算较最近邻复杂，但是能很好避免边缘锯齿的现象区域重采样：图像放大时效果类似于双线性插值三次插值法：计算较为复杂，但是具有良好的稳定性和平滑性Lanczos插值：计算最为复杂，效果最好，但是耗时最长1.4. 实验结果

最近邻：

 双线性：

 基于局部像素的重采样：

 三次插值法：

 Lanczos插值法：

2. 旋转

2.1. 使用命令

import imutils
 
# 旋转
def rotate(img, angle):
    res = imutils.rotate_bound(img, angle)
    return res
 
img_row = cv2.imread(r'picture4.jpg')
res2 = rotate(img_row, 45)
cv2.imshow('res2', res2)
cv2.waitKey(0)
cv2.imwrite(r'pic_rotate.jpg', res2)

2.2. 实验效果

总结