图像放大和缩小不失真的方法！

图像放大和缩小不失真的方法！ 上一篇我们学习了图像金字塔，图像金字塔有两种实现方式，一种是高斯金字塔（对图像进行缩放）、另一种是拉普拉斯金字塔（对图像进行放大），但是图像金字塔对图像进行放大放小的时候会对图像的信息造成一定的损失，那么我们本节有另外一种更好的实现方式，这种方式对图像放大放小时，对图像信息造成的损失较小！那么我们正式进入本节的学习吧！

一、OpenCV中resize()函数详解1、函数原型void resize(InputArray src, OutputArray dst, Size dsize, double fx = 0, double fy = 0, int interpolation = INTER_LINEAR);2、函数功能将原图像src放大（放小）到指定的尺寸，可以不用考虑目标图像的大小和尺寸，因为目标图像的大小和尺寸是根据resize()函数中的src,dsize,fx,fy这四个参数决定的；调整src图像的大小的方案（1）调整src图像的大小，可以预先创建一个目标图像dst例如：//新建一张512x512尺寸的图片Mat dst = Mat::zeros(512, 512, CV_8UC3);Mat src = imread("lena.png");//显式指定dsize=dst.size（）,//那么fx和fy会其计算出来，不用额外指定。

resize(src, dst, dst.size());（2）调整src图像的大小，可以不预先创建目标图像dst，可以用dsize,fx,fy三个个因子来控制目标图像的大小例如：Mat dst;Mat src = imread("lena.png")//指定fx和fy，让函数计算出目标图像的大小。

resize(src, dst, Size(), 0.5, 0.5);若要缩小图像，一般情况下最好用INTER_AREA来插值，而若要放大图像，一般情况下最好用INTER_CUBIC（效率不高，慢，不推荐使用）或CV_INTER_LINEAR（效率较高，速度较快，推荐使用）。

3、参数详解第一个参数，InputArray类型的src，输入图像，即源图像，填Mat类的对象即可；第二个参数，OutputArray类型的dst，输出图像，当其非零时，有着dsize（第三个参数）的尺寸，或者由src.size()计算出来；第三个参数，Size类型的dsize，输出图像的大小;如果它等于零，由下式进行计算：dsize的计算方式第四个参数，double类型的fx，沿水平轴的缩放系数，有默认值0，且当其等于0时，由下式进行计算：fx的计算方式第五个参数，double类型的fy，沿垂直轴的缩放系数，有默认值0，且当其等于0时，由下式进行计算：fy的计算方式第六个参数，int类型的interpolation，用于指定插值方式，默认为INTER_LINEAR（线性插值）。

常用的插值方式：INTER_NEAREST – 最近邻插值INTER_LINEAR – 线性插值（默认值）INTER_AREA – 区域插值（利用像素区域关系的重采样插值）INTER_CUBIC –三次样条插值（超过4×4像素邻域内的双三次插值）INTER_LANCZOS4 -Lanczos插值（超过8×8像素邻域的Lanczos插值）4、实例#include <opencv2/opencv.hpp>#include <opencv2/imgproc/imgproc.hpp>using namespace cv;int main(){ //载入原始图 Mat srcImage = imread("lena.png"); //临时变量和目标图的定义 Mat tmpImage, dstImage1, dstImage2; //将原始图赋给临时变量 tmpImage = srcImage; //显示原始图 imshow("【原始图】", srcImage); //进行尺寸调整 *** 作 resize(tmpImage, dstImage1, Size(tmpImage.cols / 2, tmpImage.rows / 2), (0, 0), (0, 0), INTER_AREA); resize(tmpImage, dstImage2, Size(tmpImage.cols * 2, tmpImage.rows * 2), (0, 0), (0, 0), INTER_LINEAR); //显示效果图 imshow("【放小效果图】", dstImage1); imshow("【放大效果图】", dstImage2); waitKey(0); return 0;}**实验结果**原图、缩小图、放大图

二、对于常用的差值方式原理详解1、INTER_NEAREST – 最近邻插值最近邻插值算法不需要计算，在待求象素的四邻象素中，将距离待求象素最近的邻象素灰度赋给待求象素；原理设i+u, j+v(i, j为正整数， u, v为大于零小于1的小数，下同)为待求象素坐标，则待求象素灰度的值 f(i+u, j+v);如下图所示最近邻插值如果(i+u, j+v)落在A区，即u<0.5, v<0.5，则将左上角象素的灰度值赋给待求象素；落在B区则赋予右上角的象素灰度值；落在C区则赋予左下角象素的灰度值；落在D区则赋予右下角象素的灰度值。

最邻近元法计算量较小，但可能会造成插值生成的图像灰度上的不连续，在灰度变化的地方可能出现明显的锯齿状。

2、INTER_LINEAR – 线性插值（默认值）线性插值是指插值函数为一次多项式的插值方式，其在插值节点上的插值误差为零。

线性插值相比其他插值方式，如抛物线插值，具有简单、方便的特点。

原理线性插值首先，在X方向上进行两次线性插值计算，然后在Y方向上进行一次插值计算；在X方向上进行两次线性插值计算，然后在Y方向上进行一次插值计算在图像处理的时候，我们先根据srcX = dstX * (srcWidth/dstWidth)srcY = dstY * (srcHeight/dstHeight)来计算目标像素在源图像中的位置，这里计算的srcX和srcY一般都是浮点数，比如f（1.2, 3.4）这个像素点是虚拟存在的，先找到与它临近的四个实际存在的像素点（1，3） （2，3）（1，4） （2，4）写成f(i+u,j+v)的形式，则u=0.2,v=0.4, i=1, j=3在沿着X方向差插值时，f(R1)=u(f(Q21)-f(Q11))+f(Q11)沿着Y方向同理计算。

或者，直接整理一步计算，f(i+u,j+v) = (1-u)(1-v)f(i,j) + (1-u)vf(i,j+1) + u(1-v)f(i+1,j) + uvf(i+1,j+1) 。

好了，天的OpenCV学到这里就结束了，相信大家已经知道了如何对一幅图像进行放大与放小，喜欢的朋友可以给我支持，点个赞哦！！！