### OpenCV 缩放算法示例结果 在处理图像缩放时，不同的插值方法会对最终图像质量产生显著影响。以下是几种常见的像素插值方法及其特点： #### 双线性插值 (INTER_LINEAR) 双线性插值是一种常用的快速且效果较好的插值方式。对于每个目标像素位置，在源图像中找到最近的四个像素点，并基于这些点的距离加权平均来计算新的像素值。 ```python import cv2 import numpy as np from matplotlib import pyplot as plt image = cv2.imread('input.jpg') scale_percent = 50 dsize = (int(image.shape[1] * scale_percent / 100), int(image.shape[0] * scale_percent / 100)) resized_linear = cv2.resize(image, dsize, interpolation=cv2.INTER_LINEAR) plt.subplot(121), plt.imshow(cv2.cvtColor(image, cv2.COLOR_BGR2RGB)), plt.title('Original Image') plt.subplot(122), plt.imshow(cv2.cvtColor(resized_linear, cv2.COLOR_BGR2RGB)), plt.title('Bilinear Interpolation') plt.show() ``` 此代码展示了原图与经过双线性插值法缩小后的对比[^2]。 #### 最近邻插值 (INTER_NEAREST) 这种方法简单直接，即取最接近的目标像素对应的源像素作为其颜色值。虽然速度快，但在放大图片时容易造成锯齿现象。 ```python resized_nearest = cv2.resize(image, dsize, interpolation=cv2.INTER_NEAREST) plt.figure(figsize=(8,4)) plt.subplot(121), plt.imshow(cv2.cvtColor(image, cv2.COLOR_BGR2RGB)), plt.title('Original Image') plt.subplot(122), plt.imshow(cv2.cvtColor(resized_nearest, cv2.COLOR_BGR2RGB)), plt.title('Nearest Neighbor Interpolation') plt.show() ``` 这段脚本可以用来观察最近邻插值的效果。 #### Lanczos 插值 (INTER_LANCZOS4) Lanczos 是一种高质量但较慢的重采样滤波器，特别适合于高精度需求的应用场景。它利用了更复杂的数学模型来进行平滑过渡。 ```python resized_lanczos = cv2.resize(image, dsize, interpolation=cv2.INTER_LANCZOS4) plt.figure(figsize=(8,4)) plt.subplot(121), plt.imshow(cv2.cvtColor(image, cv2.COLOR_BGR2RGB)), plt.title('Original Image') plt.subplot(122), plt.imshow(cv2.cvtColor(resized_lanczos, cv2.COLOR_BGR2RGB)), plt.title('Lanczos Interpolation') plt.show() ``` 上述代码片段可用于展示 Lanczos 方法下的图像变化情况。