cv2.resize()和cv2.resizewindow()

cv2.resize()是OpenCV中用于调整图像大小的函数。它可以根据给定的缩放比例或目标大小来调整图像的尺寸。在代码引用中，cv2.resize()函数被用于将图像按照指定的缩放比例进行缩放，并可以选择不同的插值方法来处理调整后的图像。

cv2.resizeWindow()是OpenCV中用于调整窗口大小的函数。它可以在显示图像时，根据需要调整图像窗口的大小。在代码引用中，cv2.resizeWindow()函数在显示调整后的图像时被使用。

相关问题

def pre_img(image): myimage = image.convert('L') # 转换成灰度图 myimage = np.array(myimage) # print(myimage.shape) ret, img1 = cv.threshold(myimage, 100, 255, cv.THRESH_BINARY_INV) # cv.namedWindow('img1',0) # cv.resizeWindow('img1',600,600) # cv.imshow('img1',img1) # print(type(img1)) # print(img1.shape) # print(img1.size) # cv.waitKey(2) kernel1 = np.ones((10, 10), np.uint8) # 做一次膨胀 img2 = cv.dilate(img1, kernel1) # cv.namedWindow('img2', 0) # cv.resizeWindow('img2', 600, 600) # cv.imshow('img2', img2) '剔除小连通域' contours, hierarchy = cv.findContours(img2, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_NONE) # print(len(contours),hierarchy) for i in range(len(contours)): area = cv.contourArea(contours[i]) if area < 150: # '设定连通域最小阈值，小于该值被清理' cv.drawContours(img2, [contours[i]], 0, 0, -1) # cv2.imwrite('img2.jpg', img2) # import pdb;pdb.set_trace() img5 = cv.resize(img2, (28, 28)) # cv.namedWindow('img5', 0) # cv.resizeWindow('img5', 600, 600) # cv.imshow('img5', img5) # cv2.imwrite('img5.jpg', img5) # import pdb;pdb.set_trace() return img5 img_pre = pre_img(img) # # cv.imshow('img_pre', img_pre) # 将数据类型由uint8转为float32 img = img_pre.astype(np.float32) # 图片数据归一化 img = img / 255 改成单个代码，并把每一步处理图片输出

这段代码的作用是对输入的图像进行预处理，包括转换成灰度图、二值化、膨胀、剔除小连通域、调整大小等。下面是改写后的单个代码，并附加了每一步处理图片的输出：

import cv2 as cv
import numpy as np

def pre_img(image):
    # 转换成灰度图
    myimage = image.convert('L')
    myimage = np.array(myimage)
    # 二值化
    ret, img1 = cv.threshold(myimage, 100, 255, cv.THRESH_BINARY_INV)
    # 膨胀
    kernel1 = np.ones((10, 10), np.uint8)
    img2 = cv.dilate(img1, kernel1)
    # 剔除小连通域
    contours, hierarchy = cv.findContours(img2, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_NONE)
    for i in range(len(contours)):
        area = cv.contourArea(contours[i])
        if area < 150:
            cv.drawContours(img2, [contours[i]], 0, 0, -1)
    # 调整大小
    img5 = cv.resize(img2, (28, 28))
    
    # 输出每一步处理后的图片
    cv.imshow('myimage', myimage)
    cv.imshow('img1', img1)
    cv.imshow('img2', img2)
    cv.imshow('img5', img5)
    cv.waitKey(0)
    cv.destroyAllWindows()
    
    # 返回预处理后的图像
    return img5

# 加载图片
img = cv.imread('test.png')
# 预处理图片
img_pre = pre_img(img)
# 将数据类型由uint8转为float32
img = img_pre.astype(np.float32)
# 图片数据归一化
img = img / 255

Y_INV) # cv.namedWindow('img1',0) # cv.resizeWindow('img1',600,600) # cv.imshow('img1',img1) # print(type(img1)) # print(img1.shape) # print(img1.size) # cv.waitKey(2) kernel1 = np.ones((10, 10), np.uint8) # 做一次膨胀 img2 = cv.dilate(img1, kernel1) # cv.namedWindow('img2', 0) # cv.resizeWindow('img2', 600, 600) # cv.imshow('img2', img2) '剔除小连通域' contours, hierarchy = cv.findContours(img2, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_NONE) # print(len(contours),hierarchy) for i in range(len(contours)): area = cv.contourArea(contours[i]) if area < 150: # '设定连通域最小阈值，小于该值被清理' cv.drawContours(img2, [contours[i]], 0, 0, -1) # cv2.imwrite('img2.jpg', img2) # import pdb;pdb.set_trace() img5 = cv.resize(img2, (28, 28)) # cv.namedWindow('img5', 0) # cv.resizeWindow('img5', 600, 600) # cv.imshow('img5', img5) # cv2.imwrite('img5.jpg', img5) # import pdb;pdb.set_trace() return img5 img_pre = pre_img(img) # # cv.imshow('img_pre', img_pre) # 将数据类型由uint8转为float32 img = img_pre.astype(np.float32) # 图片数据归一化 img = img / 255 改成单个代码，能对原图进行预处理并把每一步处理图片输出

以下是能对原图进行预处理并把每一步处理图片输出的代码：

import cv2 as cv
import numpy as np

def pre_img(img_path):
    # 读取原图
    img = cv.imread(img_path, cv.IMREAD_GRAYSCALE)
    # 图片二值化
    _, img1 = cv.threshold(img, 0, 255, cv.THRESH_BINARY_INV + cv.THRESH_OTSU)
    # 做一次膨胀
    kernel1 = np.ones((10, 10), np.uint8)
    img2 = cv.dilate(img1, kernel1)
    # 剔除小连通域
    contours, hierarchy = cv.findContours(img2, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_NONE)
    for i in range(len(contours)):
        area = cv.contourArea(contours[i])
        if area < 150:
            cv.drawContours(img2, [contours[i]], 0, 0, -1)
    # 将图片缩放到28x28
    img5 = cv.resize(img2, (28, 28))
    # 将数据类型由uint8转为float32
    img = img5.astype(np.float32)
    # 图片数据归一化
    img /= 255

    # 输出每一步处理后的图片
    cv.imshow('img', img)
    cv.imshow('img1', img1)
    cv.imshow('img2', img2)
    cv.imshow('img5', img5)
    cv.waitKey(0)
    cv.destroyAllWindows()

    return img

# 调用预处理函数
img_path = 'your_image_path'
img_pre = pre_img(img_path)