时间:2021-05-22
如下所示:
def resize(src, dsize, dst=None, fx=None, fy=None, interpolation=None):
如果使用vanilla resize,不改变默认参数,就会对原图像进行插值操作。不关你是扩大还是缩小图片,都会通过插值产生新的像素值。
对于语义分割,target的处理,如果是对他进行resize操作的话。就希望不产生新的像素值,因为他的颜色信息,代表了像素的类别信息。
但是我们有时候希望resize之后不产生新的像素值,而是产生利用最近邻点的像素值作为新产生的像素值。要实现这个操作只需要将interpolation=cv2.INTER_NEAREST,这个参数的默认值是双线性插值,几乎必然会产生新的像素值。
补充知识:python+OpenCV最近邻域插值法 双线性插值法原理
1.最近邻域插值法
假设原图像大小为1022,缩放到510,可以用原图像上的点来表示目标图像上的每一个点。
例如目标图像上的点(1,2)可以用原图像的点(2,4)来表示。
dst x 1 -> dst x 2 newX
newX = x*(src 行/目标 行) newX = 1*(10/5) = 2
newY = y*(src列/目标 列) newY = 2*(20/10) = 4
12.3取12,当为小数时则取离整数最近的数
2.双线性插值法
A1(15.2,22)
A2(15.2,23)
B1(15,22.3)
B2(16,22.3)
A1 = 20%上面的点 + 80%下面的点A2
B1 = 30%左边的点 + 70%右面的点B2
中间的点 = A130% + A270%
中间的点 = B120% + B280%
以上这篇python使用opencv resize图像不进行插值的操作就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。
声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。
本文实例讲述了Python基于opencv的图像压缩算法。分享给大家供大家参考,具体如下:插值方法:CV_INTER_NN-最近邻插值,CV_INTER_LIN
python+OpenCV图像礼帽图像礼帽也叫图像顶帽礼帽图像=原始图像-开运算图像得到噪声图像开运算:先腐蚀再膨胀使用对象:二值图像使用方法:morpholo
语言:python+opencv为什么使用图像腐蚀和图像膨胀如图,使用图像腐蚀进行去噪,但是为压缩噪声。对腐蚀过的图像,进行膨胀处理,可以去除噪声,并保持原样形
如下所示:运行环境:python3.6.4opencv3.4.0#-*-coding:utf-8-*-"""Note:使用Python和OpenCV检测图像中的
本文实例为大家分享了opencv实现图像几何变换的具体代码,供大家参考,具体内容如下图像伸缩(cv2.resize)图像的扩大与缩小有专门的一个函数,cv2.r