Python中使用cv2.resize()函数批量自定义缩放图像尺寸（详细图文教程）

💪 专业从事且热爱图像处理，图像处理专栏更新如下👇：
📝《图像去噪》
📝《超分辨率重建》
📝《语义分割》
📝《风格迁移》
📝《目标检测》
📝《图像增强》
📝《模型优化》
📝《模型实战部署》
📝《图像配准融合》
📝《数据集》
📝《高效助手》

推荐一个解释的非常好的链接：插值算法

一、常用插值缩放方法

cv2.resize()函数中的interpolation参数指定了图像缩放时使用的插值方法。以下是常用的插值方法：

cv2.INTER_NEAREST：最近邻插值。该方法通过选择最接近目标像素的原始像素来进行插值。它是最快速的插值方法，但可能会导致锯齿状边缘效果。

cv2.INTER_LINEAR：双线性插值。该方法通过使用原始像素的线性组合来计算目标像素的值。它比最近邻插值提供了更平滑的结果，但在缩小图像时可能会丢失细节。

cv2.INTER_CUBIC：双三次插值。该方法在双线性插值的基础上使用了更多的邻近像素，以获得更高质量的缩放结果。它比双线性插值计算量更大，但效果更好。

cv2.INTER_LANCZOS4：Lanczos插值。该方法使用Lanczos算法来计算目标像素的值。它在缩放图像时提供了更好的保真度，但计算量较大。

cv2.INTER_AREA：适用于缩小图像，不会失真，详细细节推荐参考博文：OpenCV里的INTER_AREA究竟是在做啥？

二、缩放示例

下面是一个缩放的例子：

三、代码

下面是完整的代码，需要使用什么缩放方式，修改interpolation参数：

import os
import cv2

# 获取文件路径
folder_path = "E:/SR_Images/DIV2K_theml/DIV2K_train_HR"
output_path = "E:/SR_Images/DIV2K_theml/DIV2K_train_LR_bicubic/X2"

# 获取文件夹中所有的文件
file_list = os.listdir(folder_path)

# 遍历文件列表
for file_name in file_list:
    # 拼接文件路径
    file_path = os.path.join(folder_path,file_name)

    # 仅处理图像文件
    if os.path.isfile(file_path) and file_name.lower().endswith(('.png','.jpg','.jpeg','.bmp')):
        # 读取图像路径
        image = cv2.imread(file_path)

        # 获取图像原尺寸
        height,width = image.shape[:2]

        # 计算缩放后的尺寸
        new_heiht = int(height / 2)
        new_width = int(width / 2)

        # 缩放图像
        resized_image = cv2.resize(image,(new_width,new_heiht),interpolation=cv2.INTER_CUBIC)  # 例子中使用了双三次插值

        # 保存缩放后的图像
        output_file = file_name[:-4] + "x2.png"
        cv2.imwrite(os.path.join(output_path,output_file),resized_image)

四、总结

以上就是使用cv2.resize()函数批量自定义缩放图像尺寸的方法，学者根据自己的缩放需求使用对应的缩放参数，希望能帮到你！

感谢您阅读到最后！😊总结不易，多多支持呀🌹 点赞👍收藏⭐评论✍️，您的三连是我持续更新的动力💖

关注公众号「视觉研坊」，获取干货教程、实战案例、技术解答、行业资讯！