利用python的opencv框架实现图像插值算法_dim=(int(img.shape[1]*2),int(img.shape[0]*2))-CSDN博客

本文介绍了图像处理中的两种常见插值算法——最近邻插值和双线性插值。最近邻插值简单直接，而双线性插值则通过两次线性插值提供更平滑的缩放效果。文章还提供了基于Python的OpenCV库实现这两种插值方法的代码示例，展示了如何对图像进行缩放操作。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

插值算法

图像常用的插值算法有两种，一种是最近邻插值算法，另外一种是双线性插值算法。最近邻插值算法，顾名思义最近邻插值，是指将目标图像中的点，对应到源图像中后，找到最相邻的整数点，作为插值后的输出。

emsp;如上图所示，目标图像中的某点投影到原图像中的位置为点P,此时易知， $f (P) = f (Q 11)$ .
如下图所示，将一幅3X3的图像放大到4X4，用 $f (x, y)$ 表示目标图像， $h (x, y)$ 表示原图像，我们有如下公式：
$\begin{array}{c} f(dst_{X}, dst_{Y}) = h(\frac{dst_{X}src_{Width}} {dst_{Width}}, \frac{dst_{Y}src_{Height}} {dst_{Height}}) \end{array}$

对于双线性插值，双线性插值就是线性插值在二维时的推广,在两个方向上做三次线性插值，具体操作如下图所示：

基于python的实现方法

import cv2
 
if __name__ == "__main__":
    img = cv2.imread('D:/image/yuner.jpg', cv2.IMREAD_UNCHANGED)
    
    print('Original Dimensions : ',img.shape)
    
    scale_percent = 30       # percent of original size
    width = int(img.shape[1] * scale_percent / 100)
    height = int(img.shape[0] * scale_percent / 100)
    dim = (width, height)
    # resize image
    resized = cv2.resize(img, dim, interpolation = cv2.INTER_LINEAR)

    fx = 1.5
    fy = 1.5

    resized1 = cv2.resize(resized, dsize=None, fx=fx, fy=fy, interpolation = cv2.INTER_NEAREST)
    
    resized2 = cv2.resize(resized, dsize=None, fx=fx, fy=fy, interpolation = cv2.INTER_LINEAR)
    print('Resized Dimensions : ',resized.shape)
    
    cv2.imshow("Resized image", resized)
    cv2.imshow("INTER_NEAREST image", resized1)
    cv2.imshow("INTER_LINEAR image", resized2)
    cv2.waitKey(0)
    cv2.destroyAllWindows()