cv2.imread 的resize

cv2.imread()函数用于读取图像，而cv2.resize()函数用于调整图像大小。下面是一个使用cv2.imread()和cv2.resize()函数来调整图像大小的例子：

import cv2

# 读取图像
img = cv2.imread('image.jpg')

# 获取图像的高度和宽度
height, width = img.shape[:2]

# 缩放到原来的二分之一
resized_img = cv2.resize(img, (int(width / 2), int(height / 2)))

# 显示原始图像和调整大小后的图像
cv2.imshow('Original Image', img)
cv2.imshow('Resized Image', resized_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

在上面的代码中，我们首先使用cv2.imread()函数读取图像，然后使用img.shape[:2]获取图像的高度和宽度。接下来，我们使用cv2.resize()函数将图像缩小到原来的二分之一，并将结果保存在resized_img变量中。最后，我们使用cv2.imshow()函数显示原始图像和调整大小后的图像。

相关问题

帮我解释下面的代码img=cv2.imread('C:/Users/Administrator/Desktop/1.jfif'',0) img1=cv2.imread('C:/Users/Administrator/Desktop/2.jfif'',0) h,w=img1.shape[:2] size=(int(w-813),int(h-729)) print(size) shr=cv2.resize(img1,size,interpolation=cv2.INTER_AREA) dst=cv2.addWeighted(img,0.2,shr,0.8,1) cv2.imshow('py',dst) cv2.imshow('12',shr) cv2.imshow('1',img) cv2.waitKey(0)

这段代码使用了OpenCV库对图像进行处理。具体地，它加载了两张图像，分别是1.jfif和2.jfif，使用了灰度模式（0）进行读取。然后，它获取了img1的高度和宽度，并计算了一个新的大小，这个大小是原图大小减去813和729。然后，它使用cv2.resize函数对img1进行了缩放，将其大小变为新的大小，并使用interpolation参数指定了缩放算法。然后，它使用cv2.addWeighted函数将两幅图像进行混合，生成了一个混合后的图像dst。最后，它使用cv2.imshow函数将三幅图像分别显示出来，并等待用户按下一个按键才关闭窗口。

import cv2 as cv bg=cv.imread(r"D:\\lyl.webp",cv.IMREAD_COLOR) fg=cv.imread(r"D:\\lll.webp",cv.IMREAD_COLOR) print('背景图片的大小{},前景图片的大小{}'.format(bg.shape,fg.shape)) dim=(1200,800) resized_bg=cv.resize(bg,dim,interpolation=cv.INTER_AREA) resized_fg=cv.resize(fg,dim,interpolation=cv.INTER_AREA) print('调整后背景图片的大小{},调整后前景图片的大小{}'.format(resized_bg.shape,resized_fg.shape)) blend=cv.addWeighted(resized_bg,0.5,resized_fg,0.8,0.0) cv.imshow('blended.png',blend) cv.waitKey(0)

这是一段使用OpenCV库对两张图片进行合成的Python代码。具体来说，它通过cv2.imread()函数分别读取了一张背景图片(bg)和一张前景图片(fg)，并使用cv2.resize()函数将它们的大小调整为指定大小(dim)。接着，使用cv2.addWeighted()函数将调整后的背景图片和前景图片按照一定的权重进行混合，生成了一张合成后的图片。最后，使用cv2.imshow()函数将这张合成后的图片显示出来，通过cv2.waitKey(0)函数等待用户输入后关闭窗口。