图像缩放
与图像旋转里的缩放的原理一样，图像缩放的原理也是根据需要将原图像的像素数量增加或减少，并通 过插值算法来计算新像素的像素值。
导入模块
python">import cv2输入图像
python">img=cv2.imread('lena.png')图像缩放
python">img_size=cv2.resize(img,None,fx=0.5,fy=0.5,interpolation=cv2.INTER_LINEAR)或
python">img_size=cv2.resize(img,(200,200),interpolation=cv2.INTER_LINEAR)输出图像
python">cv2.imshow('img_resize',img_size)
cv2.waitKey(0)
完整代码
python">import cv2img=cv2.imread('lena.png')# dsize和fx、fy不能同时使用，如果同时出现，会以dsize的标准进行缩放
# 如果想要使用resize函数，就必须填入两个参数:src和dsize
# 如果不想使用dsize，赋为None就行。
img_size=cv2.resize(img,None,fx=0.5,fy=0.5,interpolation=cv2.INTER_LINEAR)cv2.imshow('img_resize',img_size)
cv2.waitKey(0)库函数
resize()
python"> cv.resize( src, dsize[, dst[, fx[, fy[, interpolation]]]] ) -> dst
| 方法 | 描述 |
|---|---|
| src | 输入图像 |
| dst | 输出图像 |
| dsize | 输出图像;它具有大小 dsize（当它不为零时）或从 src.size（） 、fx 和 fy 计算的大小;DST 的类型与 src 的类型相同。 |
| fx | 沿水平轴的比例因子;当它等于 0 时，它被计算为
|
| fy | 沿纵轴的比例因子;当它等于 0 时，它被计算为
|
| interpolation | 插值方法参见 InterpolationFlags |
| flags | 插值方法 |
| INTER_NEAREST Python：cv.INTER_NEAREST | 最近邻插值 |
| INTER_LINEAR Python：cv.INTER_LINEAR | 双线性插值 |
| INTER_CUBIC Python：cv.INTER_CUBIC | 双三次插值 |
| INTER_AREA Python：cv.INTER_AREA | 使用像素区域关系重新采样。这可能是图像抽取的首选方法，因为它可以获得无摩尔纹的结果。但是当图像缩放时，它类似于 INTER_NEAREST 方法。 |
| INTER_LANCZOS4 Python：cv.INTER_LANCZOS4 | 8x8 邻域上的 Lanczos 插值 |
| INTER_LINEAR_EXACT Python：cv.INTER_LINEAR_EXACT | 位精确双线性插值 |
| INTER_NEAREST_EXACT Python：cv.INTER_NEAREST_EXACT | 位精确最近邻插值。这将产生与 PIL 、 scikit-image 或 Matlab 中的最近邻方法相同的结果。 |
| INTER_MAX Python：cv.INTER_MAX | 插值代码的掩码 |
| WARP_FILL_OUTLIERS Python：cv.WARP_FILL_OUTLIERS | 标志，填充所有目标图像像素。如果其中一些对应于源图像中的异常值，则它们将设置为零 |
| WARP_INVERSE_MAP Python：cv.WARP_INVERSE_MAP | 标志， 逆变换 例如，opencv.org/4.11.0/da/d54/group__imgproc__transform.html#gaa38a6884ac8b6e0b9bed47939b5362f3" rel="nofollow" title="linearPolar">linearPolar 或 logPolar 变换：
|
| WARP_RELATIVE_MAP Python：cv.WARP_RELATIVE_MAP |
![前端面试：[React] useRef 是如何实现的？](/images/no-images.jpg)
![[数据结构]排序之 归并排序（有详细的递归图解）](https://i-blog.csdnimg.cn/direct/6b5fec2a539d45adbd53451e5705fed9.png)