实验原理
在OpenCV（Open Source Computer Vision Library）中，resize函数用于调整图像的尺寸。这个函数非常有用，尤其是在进行图像预处理时，比如在图像识别或机器学习任务中需要统一输入图像的大小。
下面是基于C++的resize函数的详细说明。
函数原型
void resize(
InputArray src,
OutputArray dst,
Size dsize,
double fx = 0,
double fy = 0,
int interpolation = INTER_LINEAR
);
参数说明
src: 输入图像。可以是8位到32位的单通道或多通道图像。
dst: 输出图像。图像类型与src相同，大小由dsize参数指定。
dsize: 目标图像的大小（宽度，高度）。如果设为Size(-1,-1)并且fx和fy均不为零，则会根据缩放因子计算出目标图像的尺寸。
fx: 水平方向上的缩放因子。如果设为0，则默认值为dsize.width/src.cols。
fy: 垂直方向上的缩放因子。如果设为0，则默认值为dsize.height/src.rows。
interpolation: 插值方法。不同的插值方法适用于不同的场景：
INTER_NEAREST – 最近邻插值。
INTER_LINEAR – 双线性插值（默认选项）。
INTER_CUBIC – 4x4像素邻域的双三次插值。
INTER_AREA – 使用像素区域关系进行重采样。当图像缩小的时候使用此选项比其他选项更好。
INTER_LANCZOS4 – 8x8像素邻域的Lanczos插值。
插值方法
•最近邻插值（INTER_NEAREST）：选择最近的像素值作为新的像素值，适合于缩小时保持块状效果。
•双线性插值（INTER_LINEAR）：使用周围的四个像素进行插值，适用于一般情况下的图像缩放。
•双三次插值（INTER_CUBIC）：使用更大的像素范围进行插值，适用于高质量的缩放，但计算成本更高。
•基于像素面积关系的重采样（INTER_AREA）：适用于缩小图像时，能够更好地保留图像质量。
•Lanczos插值（INTER_LANCZOS4）：使用更多的像素进行插值，适用于高质量的缩放，但计算开销最大。示例代码1
下面是一个使用OpenCV C++实现图像缩放的示例代码：
#include "pch.h"
#include <iostream>
#include <opencv2/opencv.hpp>
using namespace std;
using namespace cv;
void resizeImage(const Mat &src, Mat &dst, Size dsize, InterpolationFlags interpolation)
{
// 调整图像大小
resize(src, dst, dsize, 0, 0, interpolation);
}
int main(int argc, char** argv)
{
//if (argc != 2) {
// cout << "Usage: ./ResizeImage <Image Path>" << endl;
// return -1;
//}
// 加载图像
Mat img = imread("00.jpeg");
if (!img.data)
{
cout << "Error opening image" << endl;
return -1;
}
// 定义目标大小
Size dsize(400, 400); // 目标宽度和高度
// 初始化输出矩阵
Mat resized;
// 使用双线性插值方法调整图像大小
resizeImage(img, resized, dsize, INTER_LINEAR);
// 显示结果
namedWindow("Original Image", WINDOW_NORMAL);
imshow("Original Image", img);
namedWindow("Resized Image", WINDOW_NORMAL);
imshow("Resized Image", resized);
waitKey(0);
destroyAllWindows();
return 0;
}
代码解释
1. 加载图像：使用 imread 函数加载图像。
2. 定义目标大小：设置新的图像宽度和高度。
3. 调整图像大小：使用 resize 函数调整图像大小，可以选择不同的插值方法。
4. 显示结果：使用 imshow 函数显示原始图像和调整大小后的图像。
注意事项
•插值方法的选择：不同的插值方法适用于不同的场景。一般来说，双线性插值是默认选择，适用于大多数情况。
在调整图像大小时，不同的插值方法会对输出图像的质量产生影响。
例如，
当放大图像时，双三次插值(INTER_CUBIC)通常会产生更高质量的图像，但计算量较大；
而当缩小图像时，像素区域关系(INTER_AREA)通常是更好的选择。
•边界处理：在调整图像大小时，边界像素可能会受到插值方法的影响。确保选择的插值方法能够满足你的需求。
•性能考虑：对于非常大的图像，调整大小可能会消耗较多的计算资源。可以考虑在调整大小之前先进行必要的预处理，以提高效率。当改变图像尺寸时，需要注意内存管理，确保不会因为生成较大的图像而导致内存不足的问题。
通过这个示例，你应该能够理解如何在OpenCV中使用C++实现图像的缩放功能。运行结果1
实验代码2
#include "pch.h"
#include<iostream>
#include<opencv2/opencv.hpp>
#include<opencv2/imgproc/imgproc.hpp>
//#pragma comment(lib, "opencv_world450d.lib") //引用引入库
using namespace std;
using namespace cv;
int main()
{
// 读取图片
Mat srcImage = imread("djy.jpg");
if (!srcImage.data) //Check for invalid input
{
cout << "Could not open or find the image" << endl;
return -1;
}
Mat dstImage1, dstImage2;
Mat tempImage = srcImage;
// 显示图片
imshow("原图", srcImage);
// 图片的缩小
resize(tempImage, dstImage1, Size(tempImage.cols / 2, tempImage.rows / 2), 0, 0, INTER_NEAREST);
// 图片的放大
resize(tempImage, dstImage2, Size(tempImage.cols * 2, tempImage.rows * 2), 0, 0, INTER_NEAREST);
imshow("缩小图", dstImage1);
imshow("放大图", dstImage2);
waitKey();
return 0;
}运行结果2
