图像放大和缩小

1. 图像的缩小

图像缩小分为按比例缩小和不按比例缩小两种。图像向缩小后，因为承载的信息量减少，所以画布可相应缩小。图像缩小实际上就是对原图数据进行挑选和处理，获得期望缩小尺寸的数据，并尽量保持原有特征不丢失。最简单的方法就是等间隔地选取数据。
设原始图像大小为MN，缩小为k1Mk2N，（k1，k2 均小于1）。
设原始图像为F(i,j)，i=1,2,…,M j=1,2,…,N;
压缩后的图像为G(x,y),，x=1,2,…,k1M y=1,2,…,k2N;
则有G(x,y) = F(c1x,c2y),其中c1 = 1/k1,c2=1/k2;
示例：档F(i,j)为6X6，k1=0.6,k2=0.75时，有
在这里插入图片描述
那么，得到的G图像行和列数为x=[1,60.6]=[1,4],四舍五入，最后留下4行，y=[1,60.75]=[1,5],最后留下5列。而行列所对应的值为原始F保留的对应目标像素的值，即G(x,y) = F(c1x,c2y)。

2. 图像的放大

图像放大从信息处理的角度来看，与图像缩小难易程度完全不一样，图像缩小是从众多信息中选出需要的信息，而图像放大则是需要对多出的空位填入适当的值，是信息的估计。
当放大倍数为整数时，最简单的方法是将原图像中的像素值，填在新图像中对应的kk大小的子块中。
设原始图像为F(i,j)，i=1,2,…,M j=1,2,…,N;
放大后的图像为G(x,y),，x=1,2,…,k1M y=1,2,…,k1N;
则有G(x,y) = F(c1i,c2*j),其中c1 = 1/k1,c2=1/k2
在这里插入图片描述

3. 用python实现图像的缩放

3.1 方法一：PIL库实现

相关库PIL，PIL（Python Imaging Library，图像处理库）提供了通用的图像处理功能，主要包括图像存储、图像显示、格式转换以及基本的图像处理操作。
应用PIL下Image类：

变换结果	数据属性以及内存地址
src	<PIL.PngImagePlugin.PngImageFile image mode=RGB size=512x512 at 0x20AF35975C8>
resized	resized: <PIL.Image.Image image mode=RGB size=307x384 at 0x20AF4266AC8>
thumbnail	thumbnail: <PIL.PngImagePlugin.PngImageFile image mode=RGB size=307x307 at 0x20AF35975C8>

thumbnail 缩略图是网络开发或图像软件预览常用的一种基本技术。thumbnail 方法直接修改原图为缩略图，不会另外创建新内存。resized会在创建新的内存保存缩放数据。
在这里插入图片描述
代码实现：

def ChangeSizeofImg(imgDress,wRate=0.6,hRate=0.75):
    img = Image.open(imgDress)
    print("src:",img)
    new_x, new_y = img.size
    new_x, new_y = int(wRate*new_x),int(hRate*new_y)
    # 得到修改数据
    resized = img.resize((new_x, new_y),resample=Image.LANCZOS)
    print("resized:",resized)
    # 修改原始数据
    img.thumbnail((new_x, new_y),resample=Image.LANCZOS)
    print("thumbnail:",img)
    return resized, img

if __name__ == "__main__":
    out3,out4 = ChangeSizeofImg("./data/lena.png")
    # 数据格式非mat，不能有cv.show显示。out3与out4是PIL Image的实例，直接调用方法显示。
    out3.show()
    out4.show()

注意：返回的out3与out4是PIL Image的实例，直接调用show方法显示，不能和cv中的imshow混用。

3.2 方法二：cv库实现

cv2.resize(src,dsize[,dst[,fx[,fy[,interpolation]]]]) -> dst

interpolation - 插值方法。共有5种：
１）INTER_NEAREST - 最近邻插值法
２）INTER_LINEAR - 双线性插值法（默认）
３）INTER_AREA - 基于局部像素的重采样（resampling using pixel area relation）。对于图像抽取（image decimation）来说，这可能是一个更好的方法。但如果是放大图像时，它和最近邻法的效果类似。
４）INTER_CUBIC - 基于4x4像素邻域的3次插值法
５）INTER_LANCZOS4 - 基于8x8像素邻域的Lanczos插值

实现缩放：
在这里插入图片描述

代码：

#!/usr/bin/python
# -*- coding = utf-8 -*-
# author: beauthy
# date: 2020.3.27
# version: 1.0.0
"""
输出缩放图像OutResizeImage
"""
__author__ = 'beauthy'

import cv2
import os

def OutResizeImage(img,wRate=0.6,hRate=0.75):
    """
    缩小图像比例为（0.6，0.75）
    放大图像比例为（1.5，1.2）
    """
    height, width = img.shape[:2]
    if (wRate<1) & (hRate<1):
        # 缩小图像
        size = (int(width*wRate),int(height*hRate))
        shrink = cv2.resize(img,size,interpolation=cv2.INTER_AREA)
        return shrink
    else:
        # 放大图像
        fx,fy = wRate,hRate
        enlarge = cv2.resize(img,(0,0),fx=fx,fy=fy,interpolation=cv2.INTER_CUBIC)
        return enlarge

if __name__ == "__main__":
    im = cv2.imread("./data/lena.png",-1)
    # if im == None:
    #     print("Error:could not load image")
    #     os._exit(0)
    # 缩小
    out1 = OutResizeImage(im)
    # 放大
    out2 = OutResizeImage(im,1.5,1.2)
    # 显示
    cv2.imshow("src",im)
    cv2.imshow("out1",out1)
    cv2.imshow("out2",out2)
    cv2.waitKey(0)