python 图片预处理 整体放大

python class和class(object)用法区别

link.

// An highlighted block
# -*- coding: utf-8 -*-
# 经典类或者旧试类
class A:
    pass
a = A()

# 新式类
class B(object):
    pass
b = B()

# python2不支持
# print(A.__class__)
print(a.__class__)
print(type(A))
print(type(a))

# python2
# __main__.A
# <type 'classobj'>
# <type 'instance'>

# python3
# <class 'type'>
# <class '__main__.A'>
# <class 'type'>
# <class '__main__.A'>

print(B.__class__)
print(b.__class__)
print(type(B))
print(type(b))

# python2
# <type 'type'>
# <class '__main__.B'>
# <type 'type'>
# <class '__main__.B'>

# python3
# <class 'type'>
# <class '__main__.B'>
# <class 'type'>
# <class '__main__.B'>


# 旧式类的实现不够好，类是类，实例是实例，类的类型是classobj，实例的类型是instance，两者的联系只在于__class__，
# 这和内置对象是不同的，int对象的类型就是int，同时int()返回的也是int类型的对象，内置对象和自定义对象不同就对代码统一实现带来很大困难。
#
# 新式类
#
# 1. 所有类的类型都是type
# 2. 所有类调用的结果都是构造，返回这个类的实例
# 3. 所有类都是object的子类
# 4. 新式类不仅可以用旧类调用父类的方法，也可以用super方法

OpenCV学习笔记：resize函数改变图像的大小

OpenCV提供了resize函数来改变图像的大小，函数原型如下：

void resize(InputArray src, OutputArray dst, Size dsize, double fx=0, double fy=0, int interpolation=INTER_LINEAR );

先解释一下各个参数的意思：
src：输入，原图像，即待改变大小的图像；
dst：输出，改变大小之后的图像，这个图像和原图像具有相同的内容，只是大小和原图像不一样而已；
dsize：输出图像的大小。如果这个参数不为0，那么就代表将原图像缩放到这个Size(width，height)指定的大小；如果这个参数为0，那么原图像缩放之后的大小就要通过下面的公式来计算：
dsize = Size(round(fxsrc.cols), round(fysrc.rows))
其中，fx和fy就是下面要说的两个参数，是图像width方向和height方向的缩放比例。
fx：width方向的缩放比例，如果它是0，那么它就会按照(double)dsize.width/src.cols来计算；
fy：height方向的缩放比例，如果它是0，那么它就会按照(double)dsize.height/src.rows来计算；
interpolation：这个是指定插值的方式，图像缩放之后，肯定像素要进行重新计算的，就靠这个参数来指定重新计算像素的方式，有以下几种：

1. INTER_NEAREST - 最邻近插值
   目标如下的像素点为对应的最近的原图像的像素点。假设原图像大小为(s_height, s_width)，目标图像大小为(d_height, d_width)，那么高度和宽度的缩放比例为h_ratio = s_height/d_height，w_ratio=s_width/d_width。
   对面目标图像像素:(x, y)其值等于原图像(x * w_ration, y * h_ration)处的值。
2. INTER_LINEAR - 双线性插值，如果最后一个参数你不指定，默认使用这种方法
   。在使用最近邻插值时，得到的坐标未必是一个整数，例如
   (xw_ration, yh_ration)=（10.5， 20.5），那么可能取得坐标点就有四种（10， 20）、（11， 20）、（10， 21）、（11， 21）。双线性插值，会把这四个坐标的像素值加权求和。D(x, y) = S(j, k) * w1 + S(j+1, k) w2 + S(j+1,k+1) w3 + S(j, K+1) * w4，其中w为权值。权值大小和计算位置的小数部分有关。
3. INTER_AREA - 区域插值分为3种情况。图像放大时类似于线性插值，图像缩小时可以避免波纹出现。
4. INTER_CUBIC - 4x4像素邻域内的双立方插值
5. INTER_LANCZOS4 - 8x8像素邻域内的Lanczos插值

使用注意事项

1. dsize和fx/fy不能同时为0，要么你就指定好dsize的值，让fx和fy空置直接使用默认值，就像resize(img, imgDst, Size(30,30));要么你就让dsize为0，指定好fx和fy的值，比如fx=fy=0.5，那么就相当于把原图两个方向缩小一倍！
2. 至于最后的插值方法，正常情况下使用默认的双线性插值就够用了。几种常用方法的效率是：最邻近插值>双线性插值>双立方插值>Lanczos插值；但是效率和效果成反比，所以根据自己的情况酌情使用。
3. 正常情况下，在使用之前dst图像的大小和类型都是不知道的，类型从src图像继承而来，大小也是从原图像根据参数计算出来。但是如果你事先已经指定好dst图像的大小，那么你可以通过下面这种方式来调用函数：

resize(src, dst, dst.size(), 0, 0, interpolation);

OpenCV打开一张图片

import cv2   
//打开一张图片
img = cv2.imread("D:\\cat.jpg") 
//打开窗口  
cv2.namedWindow("Image")   
//在窗口中显示图片
cv2.imshow("Image", img)  
//窗口的等待时间
cv2.waitKey (0)   
cv2.destroyAllWindows()