Python实验--简单图像处理(缩放与旋转)

1. 图像缩放

1.2. 使用命令

import cv2
# 缩放
def resize(img, k, inter):
    res = cv2.resize(img, None, fx=k, fy=k, interpolation=inter)  
    return res

参数设定(interpolation):

0:最近邻插值

1:双线性插值

2:基于局部像素的重采样

3:基于4*4像素邻域的三次插值

4:基于8*8像素邻域的Lanczos插值

img_row = cv2.imread(r'picture4.jpg')
cv2.imshow('origin_picture', img_row)
cv2.waitKey(0)
inters = [cv2.INTER_NEAREST, cv2.INTER_LINEAR, cv2.INTER_AREA, cv2.INTER_CUBIC, cv2.INTER_LANCZOS4]
for inter in inters:
    res1 = resize(img_row, 2, inter)
    cv2.imshow('res1', res1)
    cv2.waitKey(0)
    position = 'pic_resize' + '_' + str(inter) + '.jpg'
    cv2.imwrite(position, res1)

1.2. 原理介绍

几种方法原理简介:

  • 最近邻插值:将目标图像中的点对应原图像中最近邻整数坐标点的像素值
  • 双线性插值:f(x,y)为二元函数,假设我们知道f(x0,y0), f(x1,y1),f(x0,y1), f(x1,y0)四个点的值。这四个点确定一个矩形,我们希望通过插值得到矩形内任意点的函数值。于是我们在x方向上进行两次线性插值,y方向上一次线性插值。综合后得到以下公式:

  •  局部像素的重采样:如果放大图像的比例是整数倍,与最近邻插值类似,如果放大的比例不是整数倍,则会采用线性插值
  • 三次插值:给定n+1个点,a=x0

Python实验--简单图像处理(缩放与旋转)_第1张图片

Python实验--简单图像处理(缩放与旋转)_第2张图片

  •  Lanczos插值:

    需要通过计算模板中的权重信息来计算x对应的值。对于一维信息,假如我们输入的点集为X,那么,Lanczos对应有个窗口模板Window,窗口中每个位置的权重计算如下,通常a取2或者3.根据计算出来的权重,然后再根据x即可求出对应的加权平均:

Python实验--简单图像处理(缩放与旋转)_第3张图片

1.3. 方法比较

速度比较:

Python实验--简单图像处理(缩放与旋转)_第4张图片

效果比较:

  • 最近邻插值:最简单,但是边缘没有缓慢的过渡区域,导致放大图像边缘容易出现锯齿
  • 双线性插值:计算较最近邻复杂,但是能很好避免边缘锯齿的现象
  • 区域重采样:图像放大时效果类似于双线性插值
  • 三次插值法:计算较为复杂,但是具有良好的稳定性和平滑性
  • Lanczos插值:计算最为复杂,效果最好,但是耗时最长

1.4. 实验结果

最近邻:

Python实验--简单图像处理(缩放与旋转)_第5张图片

 双线性:

Python实验--简单图像处理(缩放与旋转)_第6张图片

 基于局部像素的重采样:

Python实验--简单图像处理(缩放与旋转)_第7张图片

 三次插值法:

Python实验--简单图像处理(缩放与旋转)_第8张图片

 Lanczos插值法:

Python实验--简单图像处理(缩放与旋转)_第9张图片

2. 旋转

2.1. 使用命令

import imutils

# 旋转
def rotate(img, angle):
    res = imutils.rotate_bound(img, angle)
    return res

img_row = cv2.imread(r'picture4.jpg')
res2 = rotate(img_row, 45)
cv2.imshow('res2', res2)
cv2.waitKey(0)
cv2.imwrite(r'pic_rotate.jpg', res2)

2.2. 实验效果

Python实验--简单图像处理(缩放与旋转)_第10张图片

 

3. 原理部分参考文献

  1. OpenCV图像缩放resize各种插值方式的比较_pan_jinquan的博客-CSDN博客_opencv 图像插值
  2. OpenCV框架与图像插值算法_此心安处是吾乡-CSDN博客_opencv 插值函数
  3. 计算机视觉基础-图像插值算法_CleMints的博客-CSDN博客_基于局部像素的重采样
  4. OpenCV中resize函数五种插值算法的实现过程_网络资源是无限的-CSDN博客_opencv resize
  5. OpenCV-Python图像处理:插值方法及使用resize函数进行图像缩放_老猿Python-CSDN博客_python图像处理resize
  6. OpenCV图像处理——图像插值算法原理(python实现和c++实现)_铲屎的胖虎的博客-CSDN博客_opencv图像插值原理

你可能感兴趣的:(Python实验,python,图像处理,人工智能)