OpenCV的resize方法与双线性插值
正文共1328个字，3张图，预计阅读时间6分钟。
训练Object Detection模型SSD完毕之后进入test阶段，每张图像在进入输入层之前需要进行resize操作，以满足CNN模型对输入层size的要求。本文首先介绍了Caffe实现的SSD模型对输入图像的变换规定，引出了OpenCV中的resize方法，最后介绍该方法中的插值参数cv.INTER_LINEAR和该插值方法的原理。
caffe_ssd
caffe_ssd在test阶段，对图像的变换设置如下：
1test_transform_param = {
2'mean_value': [104, 117, 123],
3'force_color': True,
4'resize_param': {
5 'prob': 1,
6 'resize_mode': P.Resize.WARP,
7 'height': resize_height,
8 'width': resize_width,
9 'interp_mode': [P.Resize.LINEAR],
10 },
11}以上设定来自ssd_coco.py。
1、'mean_value': [104, 117, 123]是ImageNet图像BGR三个通道的均值。每张图像分别需要减去相应通道的均值，实现中心化。
2、'force_color': True强制采用彩色BGR图像模式，防止灰度图像维度与SSD模型输入层维度不一致。
3、resize_param属性在caffe.proto的ResizeParameter中有说明。
1// Message that stores parameters used by data transformer for resize policy
2message ResizeParameter {
3//Probability of using this resize policy
4optional float prob = 1 [default = 1];
5enum Resize_mode {
6WARP = 1;
7FIT_SMALL_SIZE = 2;
8FIT_LARGE_SIZE_AND_PAD = 3;
9}
10optional Resize_mode resize_mode = 2 [default = WARP];
11optional uint32 height = 3 [default = 0];
12optional uint32 width = 4 [default = 0];
13// A parameter used to update bbox in FIT_SMALL_SIZE mode.
14optional uint32 height_scale = 8 [default = 0];
15optional uint32 width_scale = 9 [default = 0];
16enum Pad_mode {
17CONSTANT = 1;
18MIRRORED = 2;
19REPEAT_NEAREST = 3;
20}
21// Padding mode for BE_SMALL_SIZE_AND_PAD mode and object centering
22optional Pad_mode pad_mode = 5 [default = CONSTANT];
23// if specified can be repeated once (would fill all the channels)
24// or can be repeated the same number of times as channels
25// (would use it them to the corresponding channel)
26repeated float pad_value = 6;
27enum Interp_mode { //Same as in OpenCV
28LINEAR = 1;
29AREA = 2;
30NEAREST = 3;
31CUBIC = 4;
32LANCZOS4 = 5;
33 }
34//interpolation for for resizing
35repeated Interp_mode interp_mode = 7;
36}其中的interp_mode采用LINEAR模式对图像进行Resize操作，与Opencv中的resize一致。
接下来，我们具体介绍一下OpenCV中的resize方法。
resize方法的签名
1C++:
2void cv::resize (InputArray src,
3OutputArray dst,
4Size dsize,
5double fx = 0,
6double fy = 0,
7int interpolation = INTER_LINEAR
8)
9Python:
10dst = cv.resize(src, dsize[, dst[, fx[, fy[, interpolation]]]])参数说明：
1src 输入图像.
2dst 输出图像; 其size为dsize，或由src.size()、fx与fy计算而得; dst类型与src保持一致.
3dsize 输出图像的size; 如果设为0，或(0, 0), 计算方式为:
4????? = ????(?????(??*???.????), ?????(??*???.????))
5dsize和(fx, fy)必须有一组不为0. 如果都为0，无法确定被resize后的图像大小
6fx 水平轴缩放因子; 等于0时，计算方式为：
7(??????)?????.?????/???.????
8fy 竖直轴缩放因子; 等于0时，计算方式为：
9(??????)?????.??????/???.????
10interpolation 差值方法, 方法见InterpolationFlagsInterpolationFlags
缩小图像时，一般INTER_AREA插值效果较好。放大图像时, INTER_CUBIC (slow)更好些，或INTER_LINEAR (faster but still looks OK)。
Resize Image Example
1import cv2 as cv
2img = cv.imread('./lena.jpg')
3h, w = img.shape[:2]
4# 缩小图像到原来一半大小，方法一，设置dsize
5dst = cv.resize(img, (h//2, w//2), None, 0, 0, cv.INTER_LINEAR)
6cv.imwrite('./lena1.jpg', dst)
7# 缩小图像到原来一半大小，方法二，设置fx和fy
8dst = cv.resize(src=img, dsize=None, fx=0.5, fy=0.5, interpolation=cv.INTER_LINEAR)
9cv.imwrite('./lena2.jpg', dst)cn.INTER_LINEAR的原理
resize方法提供了9种插值参数，Caffe中支持的5种分别是
- 最近邻插值法 cv.INTER_NEAREST
- 双线性插值法 cv.INTER_LINEAR
- 双三次插值法 cv.INTER_CUBIC
- 区域插值法 cv.INTER_AREA
- 兰索斯插值法 cv.INTER_LANCZOS4
下面具体介绍一下双线性插值法，这种插值方法最易于理解，也应用最多。
首先，在x轴方向进行线性插值：蓝色点得到绿色点
x轴方向线性插值
然后，在y轴方向进行线性插值：绿色点得到橙色点
y轴方向线性插值
最后，简化为矩阵变换的形式：
双线性插值的矩阵变换表达
原文链接：https://www.jianshu.com/p/cc6407444a8c
腾讯云开发者
