OpenCV这么简单为啥不学——1.3、图像缩放resize函数
前言
计算机视觉市场巨大而且持续增长，且这方面没有标准API，如今的计算机视觉软件大概有以下三种：
1、研究代码（慢，不稳定，独立并与其他库不兼容）
2、耗费很高的商业化工具（比如Halcon, MATLAB+Simulink）
3、依赖硬件的一些特别的解决方案（比如视频监控，制造控制系统，医疗设备）这是如今的现状，而标准的API将简化计算机视觉程序和解决方案的开发，OpenCV致力于成为这样的标准API。
OpenCV致力于真实世界的实时应用，通过优化的C代码的编写对其执行速度带来了可观的提升，并且可以通过购买Intel的IPP高性能多媒体函数库（Integrated Performance Primitives）得到更快的处理速度。
故而我们选择学习OpenCV，我们来一步步的学习OpenCV。
图像缩放resize函数
resize语法：
cv2.resize(src, dsize[, dst[, fx[, fy[, interpolation]]]]) -> dst
resize参数：
src：图像数组
dsize：目标图像大小，当dsize为0时，它可以通过以下公式计算得出：
dsize = Size(round(fx*src.cols),round(fy*src.rows))
所以，参数dsize和参数(fx, fy)不能够同时为0
fx - 水平轴上的比例因子。当它为0时，计算公式如下：
(double)dsize.width/src.cols
fy - 垂直轴上的比例因子。当它为0时，计算公式如下：
(double)dsize.height/src.rows
interpolation插值方法
共有5种：
１）INTER_NEAREST - 最近邻插值法
２）INTER_LINEAR - 双线性插值法（默认）
３）INTER_AREA - 基于局部像素的重采样（resampling using pixel area relation）。对于图像抽取（image decimation）来说，这可能是一个更好的方法。但如果是放大图像时，它和最近邻法的效果类似。
４）INTER_CUBIC - 基于4x4像素邻域的3次插值法
５）INTER_LANCZOS4 - 基于8x8像素邻域的Lanczos插值
resize固定值缩放：
import cv2 img = cv2.imread("800_600.jpg") print(img.shape) # 缩放 imgResize = cv2.resize(img, (1024, 768)) print(imgResize.shape) cv2.imshow("Image", imgResize) cv2.waitKey(0)
实际效果，可以看到具体的高度与宽度显示。
resize等比例缩放
import cv2 img = cv2.imread("800_600.jpg") print(img.shape) # 等比例缩放 height, width = img.shape[:2] size = (int(width*1.5), int(height*1.5)) imgResize = cv2.resize(img, size) print(imgResize.shape) cv2.imshow("Image", imgResize) cv2.waitKey(0)
效果：
总结
缩放这里其实并没有进行图片处理，一般缩放是逐级进行放大的，我们之前的老照片想放大就需要这样操作，但是每一部都需要进行清晰度处理后进行放大，逐一放大几次之后就能看到比较清晰的照片了。
