为什么OpenCV cv2.resize给出的答案与MATLAB imresize不同?
我正在将一个MATLAB代码转换成python,并尝试使用OpenCV函数为什么OpenCV cv2.resize给出的答案与MATLAB imresize不同?,matlab,opencv,image-processing,numpy,image-resizing,Matlab,Opencv,Image Processing,Numpy,Image Resizing,我正在将一个MATLAB代码转换成python,并尝试使用OpenCV函数cv2.resize缩小图像的大小,但我从MATLAB的输出中得到了不同的结果 为了确保我的代码在调整大小之前没有出错,我在两个函数上都使用了一个小示例,并比较了输出 我首先在Python和MATLAB中创建了以下数组并对其进行了上采样: Python-NumPy和OpenCV MATLAB 然后我把答案重新调整到原来的2x2大小 蟒蛇: MATLAB: 它们显然不一样,当数字越大,答案就越不一样 如有任何解释或参考资料,
cv2.resize
缩小图像的大小,但我从MATLAB的输出中得到了不同的结果
为了确保我的代码在调整大小之前没有出错,我在两个函数上都使用了一个小示例,并比较了输出
我首先在Python和MATLAB中创建了以下数组并对其进行了上采样:
Python-NumPy和OpenCV
MATLAB
然后我把答案重新调整到原来的2x2大小
蟒蛇:
MATLAB:
它们显然不一样,当数字越大,答案就越不一样
如有任何解释或参考资料,将不胜感激。MATLAB的:
这让我过去在尝试时绊倒了。+1谢谢!这正是我想要的。我已经使用这个函数很多年了,从来没有想过要关闭抗锯齿功能。你知道有没有一种方法可以在python中进行这种下采样,而不是实现反走样?@mxy恐怕没有。也许在调整大小/重采样之前,您可以先使用高斯滤波器或其他低通滤波器进行卷积。
x = cv2.resize(np.array([[1.,2],[3,4]]),(4,4), interpolation=cv2.INTER_LINEAR)
print x
[[ 1. 1.25 1.75 2. ]
[ 1.5 1.75 2.25 2.5 ]
[ 2.5 2.75 3.25 3.5 ]
[ 3. 3.25 3.75 4. ]]
x = imresize([1,2;3,4],[4,4],'bilinear')
ans =
1.0000 1.2500 1.7500 2.0000
1.5000 1.7500 2.2500 2.5000
2.5000 2.7500 3.2500 3.5000
3.0000 3.2500 3.7500 4.0000
cv2.resize(x,(2,2), interpolation=cv2.INTER_LINEAR)
ans =
[[ 1.375, 2.125],
[ 2.875, 3.625]]
imresize(x,[2,2],'bilinear')
ans =
1.5625 2.1875
2.8125 3.4375
>> imresize(x,[2,2],'bilinear')
ans =
1.5625 2.1875
2.8125 3.4375
>> imresize(x,[2,2],'bilinear','AntiAliasing',false)
ans =
1.3750 2.1250
2.8750 3.6250