Python中的OpenCV - 在没有抗锯齿的情况下调整大小答案

【问题标题】：OpenCV in Python - resize without anti-aliasingPython中的OpenCV - 在没有抗锯齿的情况下调整大小
【发布时间】：2016-04-11 16:32:23
【问题描述】：

我有一个 512x160 像素的黑白图像，我想使用 OpenCV 将其放大（到 4096x1280）。负（白色）像素保持负值是非常重要的。 cv2.resize 默认情况下似乎对图像进行抗锯齿处理，从而产生误报像素。有没有办法禁用抗锯齿？

编辑：据我所知，这里是插值方法：

INTER_NEAREST - 最近邻插值
INTER_LINEAR - 双线性插值
INTER_CUBIC - 双三次插值
INTER_AREA - 使用像素区域关系重新采样。它可能是一个图像抽取的首选方法，因为它不会产生莫尔条纹结果。但是当图片被缩放时，它类似于INTER_NEAREST方法。
INTER_LANCZOS4 - 8x8 邻域的 Lanczos 插值。
INTER_MAX - 插值代码的掩码。
WARP_FILL_OUTLIERS - 标志，填充所有目标图像像素。如果其中一些对应于源图像中的异常值，则它们是设置为零。
WARP_INVERSE_MAP - 标志，逆变换。

【问题讨论】：

在 c++ 中你可以选择插值类型，python 可能相同。您可能想要使用 CV_INTER_NEAREST 模式
@Micka 谢谢，“最近邻插值”到底是什么意思？
调整大小后，不清楚新像素将获得哪种颜色。通常，您在该区域中的源图像像素之间进行插值。 INTER_NEAREST 改为选择源图像中最近像素的颜色。
对于任何感兴趣的人，INTER_NEAREST 仍然给了我一些“误报”像素。我通过将图像大小调整为 np 数组解决了这个问题：np.repeat(np.repeat(image,8, axis=0), 8, axis=1)
我发现scipy.misc.imresize 是cv2.resize 的更好替代品，用于在 Python 中使用 OpenCV 时放大图像。根据this answer scipy.ndimage.zoom也是一种选择。

【解决方案1】：

插值决定了如何进行抗锯齿处理，它正好相反，因为在这种情况下，图像没有足够的分辨率来显示其原始分辨率。在 python 中，解决方案是使用cv2.INTER_NEAREST：

scale_ratio = 0.5
img_resized = cv2.resize(img, None, fx=scale_ratio, fy=scale_ratio, interpolation=cv2.INTER_NEAREST)

【讨论】：