使用Python進行圖像縮放處理

（感謝前輩）轉自：https://zhuanlan.zhihu.com/p/26446550

---

最近要進行數據預處理，所以要將讀取的圖片進行縮放才能使用，所以就來學一學圖像的縮放。
圖像的縮放主要包括兩種，一種是全比例縮放，即把圖像x，y方向都進行等比例縮放，另外一種是非全比例縮放。

比例縮放矩陣：

其代數式：

兩種縮小變換方法：

基于等間隔采樣的圖像縮小方法。
基于局部均值的圖像縮小方法。

等間隔采樣方法顧名思義，就是每隔固定的距離進行采樣，這樣就選擇一些點，舍棄一些點，最后就能得到最終結果，使其效果和原來差不多。若比例因子為m和n，原圖的矩陣為 f[M×N],縮小后的矩陣為 g [(M*m)×(N*n)]，由于原圖像素點多，映射到g后會出現多點對一點的現象所以我們從g映射到f，則有g(i,j) = f(i/m,j/n)
代碼：

import cvdef Reduce(image,m,n):H = int(image.height*m)W = int(image.width*n)size = (W,H)iReduce = cv.CreateImage(size,image.depth,image.nChannels) #創建一個新圖樣for i in range(H):for j in range(W):x = int(i/m) #分別對x，y進行縮放y = int(j/n)iReduce[i,j] = image[x,y]return iReduce

實驗效果

第二種縮放方法是基于局部均值的圖像縮放方法

前面一種方法舍棄了很多點的信息，而局部均值法可以解決這個問題，我們說過f到g是一個多對一的映射前面的方法，我們簡單的選取了其中的一個來映射到g，而這里，我們將找出所有映射到g(i,j)上的點，然后對他們的值取均值，好啦，具體思路如下：

此時g(i,j)不只是簡單映射到f(i/m,j/n)了，而是可以映射到如下矩陣：

import cvdef JReduce(image,m,n):H = int(image.height*m)W = int(image.width*n)size = (W,H)iJReduce = cv.CreateImage(size,image.depth,image.nChannels)for i in range(H):for j in range(W):x1 = int(i/m)x2 = int((i+1)/m)y1 = int(j/n)y2 = int((j+1)/n)sum = [0,0,0]for k in range(x1,x2):for l in range(y1,y2):sum[0] = sum[0]+image[k,l][0]sum[1] = sum[1]+image[k,l][1]sum[2] = sum[2]+image[k,l][2]num = (x2-x1)*(y2-y1)iJReduce[i,j] = (sum[0]/num,sum[1]/num,sum[2]/num)return iJReducec

參考文獻：python 簡單圖像處理（5） 縮放

這篇文章我先留個坑，有時間再把代碼改下。

總結

以上是生活随笔為你收集整理的使用Python进行图像缩放处理的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。