如下所示：

def resize(src, dsize, dst=None, fx=None, fy=None, interpolation=None):

如果使用vanilla resize，不改變默認(rèn)參數(shù)，就會(huì)對原圖像進(jìn)行插值操作。不關(guān)你是擴(kuò)大還是縮小圖片，都會(huì)通過插值產(chǎn)生新的像素值。

對于語義分割，target的處理，如果是對他進(jìn)行resize操作的話。就希望不產(chǎn)生新的像素值，因?yàn)樗念伾畔ⅲ砹讼袼氐念悇e信息。

但是我們有時(shí)候希望resize之后不產(chǎn)生新的像素值，而是產(chǎn)生利用最近鄰點(diǎn)的像素值作為新產(chǎn)生的像素值。要實(shí)現(xiàn)這個(gè)操作只需要將interpolation=cv2.INTER_NEAREST，這個(gè)參數(shù)的默認(rèn)值是雙線性插值，幾乎必然會(huì)產(chǎn)生新的像素值。

補(bǔ)充知識(shí)：python+OpenCV最近鄰域插值法 雙線性插值法原理

1.最近鄰域插值法

假設(shè)原圖像大小為1022，縮放到510，可以用原圖像上的點(diǎn)來表示目標(biāo)圖像上的每一個(gè)點(diǎn)。

例如目標(biāo)圖像上的點(diǎn)(1,2)可以用原圖像的點(diǎn)（2，4）來表示。

dst x 1 -> dst x 2 newXnewX = x*(src 行/目標(biāo) 行) newX = 1*(10/5) = 2newY = y*(src列/目標(biāo) 列) newY = 2*(20/10) = 4

12.3取12，當(dāng)為小數(shù)時(shí)則取離整數(shù)最近的數(shù)

2.雙線性插值法

A1(15.2,22)A2(15.2,23)B1(15,22.3)B2(16,22.3)

A1 = 20%上面的點(diǎn) + 80%下面的點(diǎn)A2

B1 = 30%左邊的點(diǎn) + 70%右面的點(diǎn)B2

中間的點(diǎn) = A130% + A270%

中間的點(diǎn) = B120% + B280%

以上這篇python使用opencv resize圖像不進(jìn)行插值的操作就是小編分享給大家的全部內(nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持好吧啦網(wǎng)。