把图像双线性插值到与目标图像相同的分辨率python代码

要将一张图像双线性插值到与目标图像相同的分辨率，可以使用OpenCV库中的`cv2.resize()`函数，并设置`size`参数为目标图像的分辨率大小。以下是Python代码示例：

import cv2

# 加载源图像和目标图像
src_img = cv2.imread('source_image.tif')
dst_img = cv2.imread('target_image.tif')

# 获取目标图像的分辨率大小
dst_size = (dst_img.shape[1], dst_img.shape[0])

# 双线性插值缩放源图像到目标图像分辨率大小
resized_img = cv2.resize(src_img, dst_size, interpolation=cv2.INTER_LINEAR)

# 保存缩放后的图像
cv2.imwrite('resized_image.tif', resized_img)

在代码中，我们首先使用`cv2.imread()`函数加载源图像和目标图像。然后，使用目标图像的分辨率大小创建一个`(宽, 高)`元组。接着，我们使用`cv2.resize()`函数将源图像双线性插值缩放到目标图像分辨率大小。最后，使用`cv2.imwrite()`函数将缩放后的图像保存到本地。

相关问题

把tif图像批量双线性插值到与目标图像相同的分辨率python代码

要批量将多张tif图像双线性插值到与目标图像相同的分辨率，可以使用Python中的循环遍历和OpenCV库中的`cv2.resize()`函数。以下是Python代码示例：

import cv2
import os

# 目标图像分辨率大小
dst_size = (1024, 768)

# 遍历所有tif图像
for filename in os.listdir('input_folder'):
    if filename.endswith('.tif'):
        # 加载源图像和目标图像
        src_img = cv2.imread(os.path.join('input_folder', filename))
        dst_img = cv2.imread('target_image.tif')

        # 双线性插值缩放源图像到目标图像分辨率大小
        resized_img = cv2.resize(src_img, dst_size, interpolation=cv2.INTER_LINEAR)

        # 保存缩放后的图像
        cv2.imwrite(os.path.join('output_folder', filename), resized_img)

在代码中，首先定义了目标图像的分辨率大小。然后，使用Python中的`os`库遍历`input_folder`目录下的所有tif图像。对于每张tif图像，我们使用`cv2.imread()`函数加载源图像和目标图像。接着，使用`cv2.resize()`函数将源图像双线性插值缩放到目标图像分辨率大小。最后，使用`cv2.imwrite()`函数将缩放后的图像保存到`output_folder`目录下，并保持原始的文件名不变。

tif图像双线性插值到目标分辨率图像的python代码

下面是一个利用 Python 库 `rasterio` 对 tif 图像进行双线性插值的示例代码：

import rasterio
from rasterio.enums import Resampling

# 打开原始图像文件
with rasterio.open('input.tif') as src:
    # 计算目标分辨率
    dst_res = (src.res[0] * 2, src.res[1] * 2)
    # 计算目标宽度和高度
    dst_width = int(src.width * src.res[0] / dst_res[0])
    dst_height = int(src.height * src.res[1] / dst_res[1])
    # 设置目标图像的属性
    dst_profile = src.profile
    dst_profile.update({
        'driver': 'GTiff',
        'dtype': rasterio.float32,
        'count': 1,
        'width': dst_width,
        'height': dst_height,
        'transform': rasterio.Affine(dst_res[0], 0, src.bounds.left, 0, -dst_res[1], src.bounds.top),
        'crs': src.crs
    })
    # 创建目标图像文件
    with rasterio.open('output.tif', 'w', **dst_profile) as dst:
        # 进行双线性插值
        rasterio.warp.reproject(
            source=rasterio.band(src, 1),
            destination=rasterio.band(dst, 1),
            src_transform=src.transform,
            src_crs=src.crs,
            dst_transform=dst.transform,
            dst_crs=dst.crs,
            resampling=Resampling.bilinear
        )

这段代码使用 `rasterio` 库打开一个名为 `input.tif` 的原始图像文件，计算目标分辨率并创建一个名为 `output.tif` 的新图像文件。然后，它将使用 `rasterio.warp.reproject()` 函数对原始图像进行双线性插值，将其重新投影到目标分辨率下，并将结果保存到新的图像文件中。