。此外,当你调用resize
你通过这两个目标的大小和fx/fy
规模因素的影响,你应该通过东西之一:
Mat src = imread(...);
Mat dst;
resize(src, dst, Size(), 2, 2, INTER_CUBIC); // upscale 2x
// or
resize(src, dst, Size(1024, 768), 0, 0, INTER_CUBIC); // resize to 1024x768 resolution
UPDATE:从OpenCV
文档:
缩放只是调整图像的。 OpenCV为此提供了函数 cv2.resize()。手动指定图像的大小 ,或者您可以指定比例因子。使用不同的插值方法。优选的插值方法是 用于缩小的cv2.INTER_AREA和用于缩小的cv2.INTER_CUBIC(慢)& cv2.INTER_LINEAR。默认情况下,对于所有调整大小的目的,使用的插值方法是 cv2.INTER_LINEAR。您可以调整任一下列方法输入 图像:
import cv2
import numpy as np
img = cv2.imread('messi5.jpg')
res = cv2.resize(img,None,fx=2, fy=2, interpolation = cv2.INTER_CUBIC)
#OR
height, width = img.shape[:2]
res = cv2.resize(img,(2*width, 2*height), interpolation = cv2.INTER_CUBIC)
此外,在Visual C++
,我尝试了二者收缩之后方法和cv::INTER_AREA
作品显著快于cv::INTER_CUBIC
(由OpenCV
文档中提到):
cv::Mat img_dst;
cv::resize(img, img_dst, cv::Size(640, 480), 0, 0, cv::INTER_AREA);
cv::namedWindow("Contours", CV_WINDOW_AUTOSIZE);
cv::imshow("Contours", img_dst);