导读
最近在做一个项目，需要使用人脸关键点的坐标变化作为特征。但是发现经过前期的人脸配准、裁剪、resize预处理之后，图像由于宽高比例发生了变化，其中的人脸已经发生了扭曲变形。在这种扭曲的人脸上检测到的关键点那肯定是不准确的了，更不用谈后期的分析了。所以呢，就需要一种方法，在保证图像宽高比例不变的情况下，把目标图像resize到目标大小。我选择了边缘填充的方式，下面详细介绍一下，并附上代码以及效果，供大家使用观赏。
原理
没啥高科技哈哈哈，大致分为以下几步：
- 分别计算原始图像宽、高与目标图像宽、高的比例，然后取其中较小的比例作为我们的resize比例；
- 使用上边求得的resize比例乘以我们原始图像的长和宽，在保留了原图像的宽高比例的前提下得到resize之后的图像大小；
- 由于我们选用了较小的比例对图像进行放缩，所以此时新得到的图像大小是小于目标图像的大小，为了满足目标图像的大小要求，我们计算现在图像与目标图像的宽高差距，并使用值为0的像素进行填充，填充之后得到目标大小的图像。
说明白是怎么回事儿之后，看一下代码吧，口说无凭，上代码看效果。
代码
import cv2
import matplotlib.pyplot as plt
# 封装resize函数
def resize_img_keep_ratio(img_name,target_size):
img = cv2.imread(img_name) # 读取图片
old_size= img.shape[0:2] # 原始图像大小
ratio = min(float(target_size[i])/(old_size[i]) for i in range(len(old_size))) # 计算原始图像宽高与目标图像大小的比例，并取其中的较小值
new_size = tuple([int(i*ratio) for i in old_size]) # 根据上边求得的比例计算在保持比例前提下得到的图像大小
img = cv2.resize(img,(new_size[1], new_size[0])) # 根据上边的大小进行放缩
pad_w = target_size[1] - new_size[1] # 计算需要填充的像素数目（图像的宽这一维度上）
pad_h = target_size[0] - new_size[0] # 计算需要填充的像素数目（图像的高这一维度上）
top,bottom = pad_h//2, pad_h-(pad_h//2)
left,right = pad_w//2, pad_w -(pad_w//2)
img_new = cv2.copyMakeBorder(img,top,bottom,left,right,cv2.BORDER_CONSTANT,None,(0,0,0))
return img_new
if __name__ == "__main__":
img = r'D:\SAMM\crop\006_1\1.jpg' # 待处理的图片地址, 替换成你的地址就好
target_size=[224, 224] # 目标图像大小
resized_img = resize_img_keep_ratio(img, target_size)
plt.imshow(resized_img)
plt.show()
运行效果
resize之后的图像
原始图像
总结
这篇文章主要介绍了一种使用python和opencv通过边缘填充的方式在不改变原始图像宽高比例的前提下，将图像resize到目标大小的方法，希望能够帮助到计算机视觉和图像处理领域的小伙伴。如果感觉对你有帮助的话，记得点个赞哦~~有疑问和意见欢迎评论区交流~