img = cv2.resize()这个函数怎么用？

`cv2.resize()` 是 OpenCV（计算机视觉库）中用于图像缩放的函数。它接受一个输入图像（通常是一个numpy数组），并返回一个新的调整大小后的图像。函数的基本语法如下：

import cv2

# 假设img是原始图像
resized_img = cv2.resize(img, (new_width, new_height), interpolation=cv2.INTER_LINEAR)

这里的参数解释：
- `img`: 需要被缩放的原图像，可以是BGR格式的OpenCV Mat对象。
- `(new_width, new_height)`: 目标尺寸，新的宽度和高度。
- `interpolation`: 可选插值方法，用于确定如何在像素之间进行平滑过渡。常见的有 `cv2.INTER_NEAREST`, `cv2.INTER_LINEAR`, `cv2.INTER_CUBIC`, 和 `cv2.INTER_AREA` 等。

注意，如果只提供宽度或高度，另一维将按照比例缩放。另外，缩放可能会导致图像失真，所以选择合适的插值方法很重要。

相关问题

img = cv2.resize(img, (1000, 1000))

这段代码使用 `cv2.resize()` 函数将图像 `img` 的大小调整为 1000x1000 像素。如果你遇到了 `cv2.error: OpenCV(4.7.0) D:\a\opencv-python\opencv-python\opencv\modules\imgproc\src\resize.cpp:4062: error: (-215:Assertion failed) !ssize.empty() in function 'cv::resize'` 这样的错误，那么可能是因为调整大小的目标大小有误。

请确保你的 `img` 图像不是空的（即 `empty()`），并且输入的目标大小 `(1000, 1000)` 是正确的。如果你想调整图像大小为其他尺寸，可以将目标大小替换成其他值。例如，如果你想将图像大小调整为 800x800，可以使用以下代码：

img = cv2.resize(img, (800, 800))

需要注意的是，`cv2.resize()` 函数可能会改变图像的长宽比，因此在调整图像大小之前，你需要确保了解自己的数据和调整大小的方法，以避免失真或形变。

import cv2 import numpy as np # 读取原始图像 img = cv2.imread('image.webp') # 缩放变换 scale_percent = 50 # 缩放比例 width = int(img.shape[1] * scale_percent / 100) # 新图像宽度 height = int(img.shape[0] * scale_percent / 100) # 新图像高度 dim = (width, height) resized = cv2.resize(img, dim, interpolation = cv2.INTER_AREA) # 旋转变换 angle = 45 # 旋转角度 rotation_matrix = cv2.getRotationMatrix2D((img.shape[1]/2, img.shape[0]/2), angle, 1) rotated = cv2.warpAffine(img, rotation_matrix, (img.shape[1], img.shape[0])) # 平移变换 x = 50 # 水平方向平移像素数 y = 100 # 垂直方向平移像素数 translation_matrix = np.float32([[1, 0, x], [0, 1, y]]) translated = cv2.warpAffine(img, translation_matrix, (img.shape[1], img.shape[0])) # 裁剪变换 x1 = 100 # 左上角横坐标 y1 = 100 # 左上角纵坐标 x2 = 300 # 右下角横坐标 y2 = 300 # 右下角纵坐标 cropped = img[y1:y2, x1:x2] # 镜像变换 mirrored = cv2.flip(img, 1) # 在同一个窗口内分成六个子窗口来分别显示原图和变换后的图像 cv2.namedWindow('Image', cv2.WINDOW_NORMAL) cv2.resizeWindow('Image', 700, 700) cv2.imshow('Image', np.vstack((img, resized, rotated, translated, cropped, mirrored))) cv2.waitKey(0) cv2.destroyAllWindows()优化这段代码，并显示结果图

可以将这段代码封装成一个函数，并将变换操作作为参数传递给函数，以避免代码重复。以下是一个示例：

import cv2
import numpy as np

def apply_transformations(img, transformations):
    transformed_images = []
    for transformation in transformations:
        if transformation == 'resize':
            scale_percent = 50
            width = int(img.shape[1] * scale_percent / 100)
            height = int(img.shape[0] * scale_percent / 100)
            dim = (width, height)
            resized = cv2.resize(img, dim, interpolation=cv2.INTER_AREA)
            transformed_images.append(resized)
        elif transformation == 'rotate':
            angle = 45
            rotation_matrix = cv2.getRotationMatrix2D((img.shape[1]/2, img.shape[0]/2), angle, 1)
            rotated = cv2.warpAffine(img, rotation_matrix, (img.shape[1], img.shape[0]))
            transformed_images.append(rotated)
        elif transformation == 'translate':
            x = 50
            y = 100
            translation_matrix = np.float32([[1, 0, x], [0, 1, y]])
            translated = cv2.warpAffine(img, translation_matrix, (img.shape[1], img.shape[0]))
            transformed_images.append(translated)
        elif transformation == 'crop':
            x1 = 100
            y1 = 100
            x2 = 300
            y2 = 300
            cropped = img[y1:y2, x1:x2]
            transformed_images.append(cropped)
        elif transformation == 'mirror':
            mirrored = cv2.flip(img, 1)
            transformed_images.append(mirrored)
    return transformed_images

# 读取原始图像
img = cv2.imread('image.webp')

# 定义要应用的变换
transformations = ['resize', 'rotate', 'translate', 'crop', 'mirror']

# 应用变换并显示结果图像
transformed_images = apply_transformations(img, transformations)
cv2.namedWindow('Transformed Images', cv2.WINDOW_NORMAL)
cv2.resizeWindow('Transformed Images', 1200, 800)
cv2.imshow('Transformed Images', np.hstack(transformed_images))
cv2.waitKey(0)
cv2.destroyAllWindows()

这个函数将原始图像和要应用的变换作为参数，返回一个包含所有变换后图像的列表。通过调用这个函数并将返回的结果合并成一张图像，就可以显示所有变换后的图像。