宜配屋

前面介绍怎么样实现平移的功能，接着下来演示缩放功能。比如在一个文档里插入一个图片，发现这个图片占用太大的面积了，要把它缩小，才放得下，与文字的比例才合适。这样的需求，就需要使用仿射变换的缩放功能，而实现这个功能的方法，就是采用齐次坐标的变换功式：

可看到最后一条公式，就是缩放公式，要实现二维图像的缩放，需要构造前面那个缩放矩阵，因此在OpenCV也是构造一个2X3的矩阵。不过，在缩放变换里，要考虑另外一个问题，比如图片放大之后，原来两点像素的距离变大了，在中间留下了空间，那么中间空白的像素点怎么样处理呢？其实图像处理要完成两个独立的算法计算，首先需要一个算法实现空间坐标变换，用它描述每个像素如何从初始位置移动到终止位置。其次需要一个插值算法完成输出图像的每个像素的颜色值。在放大或缩小里，就需要计算像素的颜色值了，就需要使用插值算法。不过插值算法也是五花百门的，最简单的方法就是向邻近元素借用它们的值，比如放大之后原来元素坐标为1和3了，留下坐标2的点为空，那么2的点就可以借用1或3点的颜色值，在opencv里就可以使用cv.INTER_NEAREST标志表示这个意思。有时候中间留下的点很多，如果全部取一个点的颜色值，就会在图形上出现一片相同的颜色值，让图片不好看。为了解决这个问题，向更好的插值算法推广，接着引入双线性插值（cv.INTER_LINEAR），这个插值算法使用了附近四个点的颜色值来计算，这样就不是单独考虑一个元素的值了，这样就比只取一个点的值好很多，因此也成为opencv里仿射函数里默认的值。如果要更好的插值，还有很多更高级的三次样条插值等等，不过计算量也上去了。

下面通过例子来演示缩放的操作：

#python 3.7.4,opencv4.1
#蔡军生 https://blog.csdn.net/caimouse/article/details/51749579
#
import cv2
import numpy as np
 
#图片的路径
imgname = "img1.jpg"
 
#读取图片
image = cv2.imread(imgname, cv2.IMREAD_COLOR)
 
#图片的高度和宽度
h,w = image.shape[:2]
 
#构造缩放的2X3的矩阵，然后调用warpAffine执行缩放
A1 = np.array([[0.5, 0, 0], [0, 0.5, 0]], np.float32)
d1 = cv2.warpAffine(image, A1, (w, h), borderValue = 125)
 
#显示操作之后的图片
cv2.imshow("d1",d1)
 
#显示图像
cv2.imshow("image", image)
 
#等待用户输入，然后删除所有窗口
cv2.waitKey(0)
cv2.destroyAllWindows()

输出结果如下：