前言
对于色彩空间的转换，我们就通过HSV实战给大家讲解介绍。至于其他的色彩空间的转换与应用，后续学到其他知识在单独来将。从本篇开始，我们将学习OpenCV的几何变换。
比如，在图像处理的领域，我们会经常碰到图像的缩放，旋转等操作，特别是对于有过使用PS经验的用户，对于这些操作肯定手到擒来，但其实底层的代码就是后面要讲解的知识。本篇我们将介绍缩放的知识。
缩放
在OpenCV中，它给我们提供的缩放函数为cv2.resize()，该函数的定义如下：
def resize(src, dsize, dst=None, fx=None, fy=None, interpolation=None):
src：代表需要缩放的原始图像
dsize：缩放图像的大小，也可以叫尺寸
fx：代表水平方向缩放的比例
fy：代表垂直方向缩放的比例
interpolation：代表插值方式
interpolation插值的值如表：
类型 |
说明 |
| cv2.INTER_LINEAR | 双线性插值（默认方式） |
cv2.INTER_NEARSET |
最临近插值 |
| cv2.INTER_CUBIC | 三次样条插值。首先对源图像附近的4*4近邻区域进行三次样条拟合，然后将目标像素对应的三次样条值作为目标图像对应的像素点的值 |
| cv2.INTER_AREA | 区域插值，根据当前像素点周边区域的像素实现当前像素点的采样，该方法类似最临近插值方式 |
| cv2.INTER_LANCZ0S4 | 一种使用8*8近邻的Lanczos插值方式 |
| cv2.INTER_LINEAR_EXACT | 位精确双线性插值 |
| cv2.INTER_MAX | 差值编码掩码 |
| cv2.WARP_FILL_OUTLIERS | 标值，填补目标图像中所有的像素。如果它们中的一些对应源图像中的奇异点（离群值），则它们将设置为0 |
| cv2.WARP_INVERSE_MAP | 标值，逆变换，例如，极坐标变换。如果flag未被设置，则进行转换：dst(Ø,p)=src(x,y)；如果flag被设置，则进行转换：dst(x,y)=src(Ø,p) |
在cv2.resize()函数中，目标图像的大小可以通过“dsize”或者“fx,fy”二者其中一个来指定。
当你使用dsize来指定时，则无论是否指定fx,fy，都有参数dsize来决定目标图像的大小，也就是dsize优先级最高。具体数学公式如下：
宽度=(double)dszie.width/src.cols
高度=(double)dszie.height/src.rows
需要注意的dsize的第1个参数是列数，第2个参数才是行数，与shape相反。
而当你使用fx,fy指定目标图像大小时，数学公式如下：
dsize=Size(round(fxsrc.cols),round(fysrc.rows))
至于最后的参数插值，是指对图像进行几何处理时，给无法直接通过映射得到值的像素点赋值。例如，将在特定大小的区域将图像放大2倍，有的图像可能小了不够放缺失一些像素点，有的图像可能大了多出去一些像素点，对于这些像素点，插值决定了如何确定它们的值。
dsize实现缩放
既然了解了OpenCV中缩放函数resize的所有参数，下面我们来实现一个简单的图像缩放，具体代码如下所示：
import cv2 img = cv2.imread("4.jpg") rows,cols=img.shape[:2] size=(int(cols*2),int(rows*1)) result = cv2.resize(img, size) cv2.imshow("img", img) print(img.shape) cv2.imshow("result", result) print(result.shape) cv2.waitKey() cv2.destroyAllWindows()
这里，我们首先通过img.shape获取图片的长宽像素，然后将行不变，列放大2倍。运行之后，我们会得到下图。
fx,fy实现缩放
上面我们是通过dszie参数实现的缩放，现在我们通过fx,fy参数实现缩放，具体代码如下所示：
import cv2 img = cv2.imread("4.jpg") result = cv2.resize(img, None,fx=2,fy=1) cv2.imshow("img", img) print(img.shape) cv2.imshow("result", result) print(result.shape) cv2.waitKey() cv2.destroyAllWindows()
这段代码实现的效果与上面一致，运行结果就不展示了。可以看出来，fx与fy的代码会更加的简洁明了。
