Algorithm 调整图像大小，使其正好包含120个像素，并尽可能保持高宽比

我想把一堆图像的大小调整得非常小，这样我就可以对它们进行一些图像分析。我希望它们都包含相同数量的像素用于向量比较。我选择“120”是因为它是。我可以将每个图像的大小调整为12x10，但对于纵横比不为1.2的图像，拉伸可能比必要的拉伸更多

如何选择最接近原始纵横比的新宽度和高度

作为参考，它们是：{1,2,3,4,5,6,8,10,12,15,20,24,30,40,60,120}，因此有效大小应该是12x10,10x12,8x15,15x8,6x20,20x6等等

---

编辑：144可能是一个更好的选择，因为它允许正方形图像和流行的16:9比率。

我实现类似的方法是将纵横比（1:144、2:72、3:48、4:36等）存储到一个排序数组中。然后，对于每个传入图像，计算其纵横比，然后使用二进制搜索找到最接近的所需比例

---

更好的方法是，存储纵横比日志，并使用图像纵横比日志进行二进制搜索。

我实现这种方法的方法是将纵横比（1:144、2:72、3:48、4:36等）存储到排序数组中。然后，对于每个传入图像，计算其纵横比，然后使用二进制搜索找到最接近的所需比例

---

更好的方法是，存储纵横比日志，并使用图像纵横比日志进行二进制搜索。

我实现这种方法的方法是将纵横比（1:144、2:72、3:48、4:36等）存储到排序数组中。然后，对于每个传入图像，计算其纵横比，然后使用二进制搜索找到最接近的所需比例

---

更好的方法是，存储纵横比日志，并使用图像纵横比日志进行二进制搜索。

我实现这种方法的方法是将纵横比（1:144、2:72、3:48、4:36等）存储到排序数组中。然后，对于每个传入图像，计算其纵横比，然后使用二进制搜索找到最接近的所需比例

---

更好的是，存储纵横比日志，并使用图像纵横比日志进行二进制搜索。

为什么要使用日志？1/120=0.008333333——浮点数的精度可以处理得很好，不是吗？1/144=0.006944444并不更糟。当长宽比位于两个可能的期望比率之间，并且您想要找出哪一个更接近时，使用对数平均值，您可以与这两个对数比率的算术平均值进行比较，而不是与非对数比率的几何平均值进行比较。但真的，两种方法都可以。哦……是的，这是有道理的。不过，二进制搜索会给出两边最接近的数字，所以我最多只需要做2次距离计算就可以找到哪一个更接近。为什么要用日志呢？1/120=0.008333333——浮点数的精度可以处理得很好，不是吗？1/144=0.006944444并不更糟。当长宽比位于两个可能的期望比率之间，并且您想要找出哪一个更接近时，使用对数平均值，您可以与这两个对数比率的算术平均值进行比较，而不是与非对数比率的几何平均值进行比较。但真的，两种方法都可以。哦……是的，这是有道理的。不过，二进制搜索会给出两边最接近的数字，所以我最多只需要做2次距离计算就可以找到哪一个更接近。为什么要用日志呢？1/120=0.008333333——浮点数的精度可以处理得很好，不是吗？1/144=0.006944444并不更糟。当长宽比位于两个可能的期望比率之间，并且您想要找出哪一个更接近时，使用对数平均值，您可以与这两个对数比率的算术平均值进行比较，而不是与非对数比率的几何平均值进行比较。但真的，两种方法都可以。哦……是的，这是有道理的。不过，二进制搜索会给出两边最接近的数字，所以我最多只需要做2次距离计算就可以找到哪一个更接近。为什么要用日志呢？1/120=0.008333333——浮点数的精度可以处理得很好，不是吗？1/144=0.006944444并不更糟。当长宽比位于两个可能的期望比率之间，并且您想要找出哪一个更接近时，使用对数平均值，您可以与这两个对数比率的算术平均值进行比较，而不是与非对数比率的几何平均值进行比较。但真的，两种方法都可以。哦……是的，这是有道理的。不过，二进制搜索会给出两边最接近的数字，所以我最多只需做2次距离计算，就可以找到哪一个更接近。