目前比较常用的就是opencv-python底下的 cv2.resize()
cv2.resize(src, size, fx, fy, interpolation)
其中 src是输入原始图像， size为缩放的尺寸， fx为可选择的沿水平轴的比例因子， fy为可选择的沿垂直轴的比例因子， interpolation是可选择的插值方法，其中有：cv.INTER_NEAREST最近邻插值；cv.INTER_LINEAR双线性插值；cv.INTER_CUBIC三次样条插值；cv.INTER_AREA区域插值，默认是使用cv.INTER_LINEAR。
一般使用样例：
import cv2
image = cv2.imread("XX.jpg")
size = 640
image_resize = cv2.resize(image, size)
目录下图像的遍历resize并保存：
import os
import cv2
datadir = "XXX"
save_path = 'XXX'
if not os.path.exists(save_path):
os.makedirs(save_path)
SIZE = 640
path = os.path.join(datadir)
img_list = os.listdir(path)
for i in img_list:
img_array = cv2.imread(os.path.join(path, i), cv2.IMREAD_COLOR)
new_image = cv2.resize(img_array, (SIZE, SIZE))
os.path.join(save_path, str(i))
cv2.imwrite(save_path, new_image)
等比例缩放
在这里，我只总结一个我自己使用的cv2下的等比例resize。
同样，一般使用案例：
import cv2
image = cv2.imread("XX.jpg")
size = 640
height, width = image.shape[0], image.shape[1]
scale = height/size
width_size = int(width/scale)
image_resize = cv2.resize(image, (width_size, size))
同样目录下使用：
import os
import cv2
datadir = "XXX"
save_path = 'XXX'
if not os.path.exists(save_path):
os.makedirs(save_path)
size = 640
height, width = image.shape[0], image.shape[1]
scale = height/size
width_size = int(width/scale)
path = os.path.join(datadir)
img_list = os.listdir(path)
for i in img_list:
img_array = cv2.imread(os.path.join(path, i), cv2.IMREAD_COLOR)
new_image = cv2.resize(img_array, (width_size, size))
os.path.join(save_path, str(i))
cv2.imwrite(save_path, new_image)
我这里是按照修改高度，来等比例修改宽度的，如果你要先修改宽度，就调换一下1，2的位置就可以了。
我想对特征图进行缩放，它是tensor类型的。所以我们用不了 cv2.resize，我看了网上有很多resize的方法，有说使用torch下的 resize_()，用 transform.resize()。我还是选择使用 torch.nn.functional.interpolate
我亲测觉得对特征图缩放好用。
先来说一下这个函数。
torch.nn.functional.interpolate(input, size=None, scale_factor=None, mode='nearest', align_corners=None)
其中，input是我们的输入张量(Tensor)；size是输出大小(int or Tuple[int] or Tuple[int, int] or Tuple[int, int, int])；scale_factor (float or Tuple[float]) 指定输出为输入的多少倍数。如果输入为tuple，其也要制定为tuple类型；mode就是上采样算法了，有’nearest’, ‘linear’, ‘bilinear’, ‘bicubic’ , ‘trilinear’和’area’，其中默认是’nearest’；最后一个，我们用官方的解释：
align_corners (bool, optional) – 几何上，我们认为输入和输出的像素是正方形，而不是点。如果设置为True，则输入和输出张量由其角像素的中心点对齐，从而保留角像素处的值。如果设置为False，则输入和输出张量由它们的角像素的角点对齐，插值使用边界外值的边值填充;当scale_factor保持不变时，使该操作独立于输入大小。仅当使用的算法为’linear’, ‘bilinear’, ‘bilinear’or ‘trilinear’时可以使用。默认设置为False。
我列出了我一般的Tensor缩放。
这里要注意一点，这个函数要求我要四维张量。也就是B,C,W,H
所以一般使用案例：
train_mask = train_mask.unsqueeze(1).float()
train_mask = torch.nn.functional.interpolate(train_mask, scale_factor=1 / 4, mode='bilinear',
align_corners=False)
train_mask = train_mask.squeeze(1).float()
主要函数还是在于 torch.nn.functional.interpolate()，这也就不列出什么目录下的下采样了。我们主要还是对特征层进行处理。当然，它resize的是每个通道下的W,H哦。
我觉得挺好用，之前用resize_的时候，根本不知道变成了啥，。。。。。。。。。。。
Original: https://blog.csdn.net/giganticpower/article/details/121309231
Author: giganticpower
Title: python 图像等比例缩放
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/636777/
转载文章受原作者版权保护。转载请注明原作者出处！