python学opencv|读取图像（三十一）缩放图像的三种方法

【1】引言

前序学习进程中，我们至少掌握了两种方法，可以实现对图像实现缩放。

第一种方法是调用cv2.resize()函数实现，相关学习链接为：

python学opencv|读取图像（三）放大和缩小图像_python opencv 读取图片缩放-CSDN博客

第二种方法是在cv2.getRotationMatrix2D()函数旋转缩放图像时，顺带实现了图像缩放：

python学opencv|读取图像（二十八）使用cv2.getRotationMatrix2D()函数旋转缩放图像-CSDN博客

实际上，对于第二种方法，如果我们只设置旋转角度=0，其实就是只对图像进行放大和缩小。为验证这个猜想，我们可以做测试。

【2】前两种方法代码测试

【2.1】cv2.getRotationMatrix2D()函数缩放

首先我们给出完整代码：

import cv2 as cv # 引入CV模块
import numpy as np #引入numpy模块

# 读取图片
src = cv.imread('src.png')
rows=len(src) #读取图像行数
cols=len(src[0]) #读取图像列数
center=(rows/2,cols/2) #旋转中心
#M=np.float32([[1,0,50],
              #[0,1,200]]) #M矩阵，x=50，y=200
M=cv.getRotationMatrix2D(center,0,0.8) #旋转并缩放图像
dst=cv.warpAffine(src,M,(cols,rows)) #输出图像
cv.imshow('src-pingyi', dst)  # 在屏幕展示绘制圆形的效果
cv.imwrite('src-suofang.png', dst)  # 保存图像
cv.waitKey()  # 图像不会自动关闭
cv.destroyAllWindows()  # 释放所有窗口

其中对于函数的设置，把旋转角度设定为0，缩放倍数为0.8：

M=cv.getRotationMatrix2D(center,0,0.8) #旋转并缩放图像

使用的原始图像为：

图1 src.png

缩放后的图像为：

图2 缩小0.8倍后的图像

如果我们把缩放倍数放大到1.5倍：

M=cv.getRotationMatrix2D(center,0,1.5) #旋转并缩放图像

代码运行后的图像为：

图3 放大1.5倍后的图像

其实对比图1、图2和图3，会发现图3对原始图像进行了裁切，这种放大效果和cv2.resize()函数相比不一样，cv2.resize()函数本身不会裁切。

【2.2】cv2.resize()函数缩放

为了实现对比cv2.resize()函数放大效果的对比，调用该函数来放大图像，给出完整代码如下：

import cv2  # 引入CV模块

# 读取图片
image = cv2.imread('src.png')

# 定义放大因子
scale_factor = 1.5

# 放大图片，使用立方插值
scaled_image = cv2.resize(image, None, fx=scale_factor, fy=scale_factor, interpolation=cv2.INTER_CUBIC)  # INTER_CUBIC插值

# 保存结果
cv2.imwrite('scaled_image-001-INTER_CUBIC m15.png', scaled_image)

# 显示结果
cv2.imshow('Scaled Image15 ', scaled_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

代码运行后的输出效果为：

图4 图片放大1.5倍但没有任何裁切

由图4可见，图片放大了1.5倍，但没有任何裁切。

【3】第三种方法

在前序学习进程中，我们成功实现了对图像的倾斜拉伸，相关链接为：

python学opencv|读取图像（二十九）使用cv2.getAffineTransform()函数倾斜拉伸图像-CSDN博客

文章中已经说明，倾斜拉伸是通过控制图像的顶点实现的。首次启发，我们把图像的顶点按照固定比例缩小和放大，这样就能实现图像的缩放。为此，展开代码测试。

这里使用的原始图像为：

图5

【3.1】缩小

首先给出完整代码：

import cv2 as cv # 引入CV模块
import numpy as np #引入numpy模块

# 读取图片
src = cv.imread('srcm.png')

#设置点
rows=len(src) #读取图像行数
cols=len(src[0]) #读取图像列数
p1=np.zeros((3,2),np.float32) #32位浮点型全0矩阵
p1[0]=[0,0] #第一点
p1[1]=[cols-1,0] #第二点
p1[2]=[0,rows-1] #第三点
p2=np.zeros((3,2),np.float32) #32位浮点型全0矩阵
p2[0]=[0,0] #新的第一点
p2[1]=[0.8*(cols-1),0] #新的第二点
p2[2]=[0,0.8*(rows-1)] #新的第三点

#center=(rows/2,cols/2) #旋转中心
#M=np.float32([[1,0,50],
              #[0,1,200]]) #M矩阵，x=50，y=200
M=cv.getAffineTransform(p1,p2)
#M=cv.getRotationMatrix2D(center,60,0.8) #旋转并缩放图像
dst=cv.warpAffine(src,M,(cols,rows)) #输出图像
cv.imshow('srcm-qxls', dst)  # 在屏幕展示绘制圆形的效果
cv.imwrite('srcm-qxls-8.png', dst)  # 保存图像
cv.waitKey()  # 图像不会自动关闭
cv.destroyAllWindows()  # 释放所有窗口

在这里，对新的点设置了0.8倍的缩小因子：

p1=np.zeros((3,2),np.float32) #32位浮点型全0矩阵
p1[0]=[0,0] #第一点
p1[1]=[cols-1,0] #第二点
p1[2]=[0,rows-1] #第三点
p2=np.zeros((3,2),np.float32) #32位浮点型全0矩阵
p2[0]=[0,0] #新的第一点
p2[1]=[0.8*(cols-1),0] #新的第二点
p2[2]=[0,0.8*(rows-1)] #新的第三点

代码运行后的输出效果为：

图6 缩小0.8倍

由图6可见，图像成功缩小为原来的0.8倍。

【3.2】放大

修改缩放因子，把图像放大1.5倍：

p1=np.zeros((3,2),np.float32) #32位浮点型全0矩阵
p1[0]=[0,0] #第一点
p1[1]=[cols-1,0] #第二点
p1[2]=[0,rows-1] #第三点
p2=np.zeros((3,2),np.float32) #32位浮点型全0矩阵
p2[0]=[0,0] #新的第一点
p2[1]=[1.5*(cols-1),0] #新的第二点
p2[2]=[0,1.5*(rows-1)] #新的第三点

此时，会惊喜地发现一个猫猫头：