#图像的放大和缩小
resize(src, dsize[, dst[, fx[, fy[, interpolation]]]])
src 要缩放的图片
dsize 缩放之后图片大小，元组和列表表示即可
dst 可选参数 缩放之后的输出图片
fx，fy x轴和y轴的缩放比，即宽度和高度的缩放比
interpolation 插值算法，主要有以下几种
- INTER NEAREST，邻近插值，速度快 效果差.
- INTER LINEAR, 双线性插值，使用原图中的四个点进行插值. 默认。
- INTER_ CUBIC，三次播位 原图中的16个点.
- INTER AREA, 区域插值，效果最好，计算时间长
import cv2
import numpy as np
cat=cv2.imread('./cat1.jpeg')
print(cat.shape)
#放大一倍(1280,660)与shape是反着的
new_cat1=cv2.resize(cat,(1280,660),interpolation=cv2.INTER_NEAREST)
new_cat2=cv2.resize(cat,(1280,660),interpolation=cv2.INTER_LINEAR)#默认效果
new_cat3=cv2.resize(cat,(1280,660),interpolation=cv2.INTER_CUBIC)
new_cat4=cv2.resize(cat,(1280,660),interpolation=cv2.INTER_AREA)
cv2.imshow('img1',new_cat1)
cv2.imshow('img2',new_cat2)
cv2.imshow('img3',new_cat3)
cv2.imshow('img4',new_cat4)
key=cv2.waitKey(0)
cv2.destroyAllWindows()
按x轴y轴的缩放比进行缩放
import cv2
import numpy as np
cat=cv2.imread('./cat1.jpeg')
print(cat.shape)
#
new_cat=cv2.resize(cat,dsize=None,fx=0.5,fy=0.5)
cv2.imshow('img',new_cat)
key=cv2.waitKey(0)
cv2.destroyAllWindows()
