简单图像处理——旋转、缩放、保存

简单图片处理

一、实验要求

对任意一幅图片分别设计以下两个功能函数：
1）任意放大或缩少多少倍。显示图片,存储图片。
2）对图片实现任意的旋转。显示图片,存储图片。
并调用上面两个函数，测试实现放大2倍和旋转45度。

二、实验准备

1. opencv库：opencv-python，该库使用import cv2命令导入python程序。cv2.resize命令可以实现图片的放大缩小。
   cv2.resize中的interpolation - 插值方法介绍：
   １）INTER_NEAREST - 最近邻插值法(Nearest Interpolation)
   最近邻插值也称近端插值，是一种在一维或多维空间上进行多变元插值的简单方法。插值是一种通过已知的、离散的数据点，在范围内推求新数据点的过程或方法。最近邻插值算法选择距离所求数据点最近点的值，并且根本不考虑其他相邻点的值，从而产生一个分段常数的内插值来作为所求数据点的值。原理图如下。
   

２）INTER_LINEAR - 双线性插值法（默认）
双线性插值算法也是resize函数中默认使用的插值算法。双线性插值，也被称为双线性内插。双线插值是对线性插值在二维坐标系上的扩展，用于对双变量函数进行插值，其核心思想是在两个方向上分别进行一次线性插值。
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。
区域插值算法主要分两种情况，缩小图像和放大图像的工作原理并不相同。如果图像缩小的比例是整数倍，在调用INTER_LINEAR_EXACT插值算法时，如果图像的宽和高的缩小比例都是2，而且图像的通道数不是2，实际上会调用INTER_AREA。在调用INTER_LINEAR时，如果图像的宽和高的缩小比例都是2，实际上是会调用INTER_AREA。INTER_AREA实际上是个box filter，类似于均值滤波器。如果放大图像的比例是整数倍，与最近邻插值相似。如果放大的比例不是整数倍，则会采用线性插值。
４）INTER_CUBIC - 基于4x4像素邻域的3次插值法
双三次插值又称立方卷积插值，它是一种更加复杂的插值方式。该算法利用待采样点周围16个点的灰度值作三次插值，不仅考虑到4个直接相邻点的灰度影响，而且考虑到各邻点间灰度值变化率的影响。三次运算可以得到更接近高分辨率图像的放大效果，但也导致了运算量的急剧增加。这种算法需要选取适当的插值基函数来拟合数据。
５）INTER_LANCZOS4 - 基于8x8像素邻域的Lanczos插值
通常根据确定参与计算的像素权重的方式来分类各种图像interpolation algorithm。Lanczos算法用到的数学公式如下：
简言之，我们使用lanczos算法的主要作用就是由其确定各个参与计算的像素值的权重。
2. imutils库：在opencv基础上对一些方法进行了再次加工，使这些方法更加简单易用，安装该包依赖于NumPy、Opencv和matplotlib。该库中旋转功能操作为imutils.rotate_bound。

三、实验代码分析

1.图片缩放函数，包含对图片的放大和缩小功能，显示图片并存图片，代码如下：

#图片缩放函数
def Changesize(road,orf_name,sav_name,mulp): 
    image = cv2.imread(road+'\\'+orf_name) #读取显示图片
    cv2.imshow(orf_name,image)
    cv2.waitKey() #回车继续
    x,y = image.shape[0:2]#读取大小
    # 开始放缩
    image = cv2.resize(image,(int(y*mulp),int(x*mulp)),interpolation=cv2.INTER_LINEAR)   #双线性插值法（默认）
    cv2.imshow(sav_name,image) # 显示放缩结果
    #保存图片
    cv2.imwrite(road+'\\'+sav_name,image)
    cv2.waitKey() #回车继续
    cv2.destroyAllWindows()

2.图片旋转函数，包含对图片的旋转，显示并存储图片，代码如下：

#图片旋转函数
def Rotate(road,orf_name,sav_name,angle):
    image = cv2.imread(road+'\\'+orf_name) #读取显示图片
    cv2.imshow(orf_name,image)
    cv2.waitKey()
    #旋转图片
    image = imt.rotate_bound(image,angle)  
    cv2.imshow(sav_name,image)# 显示旋转图片
    cv2.waitKey()
    #保存图片
    cv2.imwrite(road+'\\'+sav_name,image)
    cv2.destroyAllWindows()

3.主函数：

if __name__ == "__main__":   
    small = 0.6   #缩小倍数    
    big = 2       #放大倍数    
    angle = 45    #旋转角度    
    pic_name = 'sy4.jpg'        #图片名   
    pic_road = 'D:\Python3.9\py_ex4'   #存放路径    
    Changesize(pic_road,pic_name,'Small.jpg',small) #缩小    
    Changesize(pic_road,pic_name,'Big.jpg',big)     #放大    
    Rotate(pic_road,pic_name,'Rotate.jpg',angle)    #旋转

4.导入库：

import cv2
import imutils as imt
import numpy as np

四、实验结果

1.图片的放大及缩小后的结果
（1）缩小0.6倍（其中“sy4.jpg”为原图，“Small.jpg”为缩小后的图片）
（2）放大2倍（其中“sy4.jpg”为原图，“Big.jpg”为放大后的图片）
2.图片旋转 45°（其中“sy4.jpg”为原图，“Rotate.jpg”为旋转后的图片）
3.图片存储结果
在相应的存储目录下找到到已经经过缩小、放大和旋转的图片，如下如所示。