为什么RGB图像上的python cv2.resize函数给出的结果与MATLAB imresize函数不同？
我正在将python脚本转换为MATLAB脚本。python脚本中的一个步骤是使用为什么RGB图像上的python cv2.resize函数给出的结果与MATLAB imresize函数不同？,python,matlab,opencv,numpy,image-processing,Python,Matlab,Opencv,Numpy,Image Processing,我正在将python脚本转换为MATLAB脚本。python脚本中的一个步骤是使用cv2.resize函数将256*256 RGB图像调整为40*40 RGB图像 import cv2 img = cv2.imread('0.png') img_40 = cv2.resize(img, (40, 40)) # img rescaled to 40*40 然后，我在40*40图像中打印一些B通道的像素值 print img_40[0:10, 0:10, 0] ans = [[ 0 0
cv2.resizeimport cv2
img = cv2.imread('0.png')
img_40 = cv2.resize(img, (40, 40)) # img rescaled to 40*40
print img_40[0:10, 0:10, 0]
ans =
[[ 0 0 1 2 1 3 0 21 96 128]
[ 2 0 17 13 5 20 15 48 112 126]
[ 0 0 6 0 2 3 80 107 122 129]
[ 0 5 1 7 0 14 98 132 129 127]
[ 1 2 0 0 0 16 100 151 138 134]
[ 0 2 0 2 0 34 105 138 143 139]
[ 0 3 0 0 0 54 96 29 51 79]
[ 5 0 0 0 0 56 118 103 97 38]
[ 3 0 0 0 2 44 132 95 93 89]
[ 1 0 1 3 0 38 141 128 104 26]]
imresize抗锯齿设置为false
，如上所述
并提供测试图像
期待任何对我有帮助的解释
更新-2017年10月12日
正如Ander Biguri在下面的评论中指出的，问题的原因可能是：插值给出浮点值，但我使用的是uint8
值，这可能会导致舍入错误
并将图像矩阵转换为double
类型，这似乎是正确的
使用python cv2：
img = cv2.imread('0.png')
d_img = img.astype('float')
img_40 = cv2.resize(d_img, (40, 40)) # img rescaled to 40*40
print img_40[0:10, 0:10, 0]
ans =
[[ 3.00000000e-01 0.00000000e+00 1.40000000e+00 1.81000000e+00
1.61000000e+00 3.49000000e+00 0.00000000e+00 2.13500000e+01
9.62500000e+01 1.28080000e+02]
[ 2.00000000e+00 0.00000000e+00 1.75000000e+01 1.31900000e+01
4.87000000e+00 1.98900000e+01 1.52300000e+01 4.81500000e+01
1.12420000e+02 1.26630000e+02]
[ 0.00000000e+00 0.00000000e+00 5.75000000e+00 0.00000000e+00
2.35000000e+00 2.80000000e+00 8.04000000e+01 1.06500000e+02
1.22300000e+02 1.28800000e+02]
[ 0.00000000e+00 5.28000000e+00 9.50000000e-01 7.19000000e+00
0.00000000e+00 1.40300000e+01 9.85100000e+01 1.32200000e+02
1.28990000e+02 1.27270000e+02]
[ 7.90000000e-01 2.40000000e+00 1.50000000e-01 7.00000000e-02
0.00000000e+00 1.65100000e+01 9.96300000e+01 1.50750000e+02
1.38440000e+02 1.34300000e+02]
[ 0.00000000e+00 2.13000000e+00 1.50000000e-01 1.90000000e+00
0.00000000e+00 3.42900000e+01 1.04730000e+02 1.38400000e+02
1.43560000e+02 1.39400000e+02]
[ 0.00000000e+00 2.70000000e+00 0.00000000e+00 0.00000000e+00
0.00000000e+00 5.43700000e+01 9.57400000e+01 2.88500000e+01
5.05500000e+01 7.88600000e+01]
[ 5.55000000e+00 0.00000000e+00 0.00000000e+00 0.00000000e+00
1.50000000e-01 5.65500000e+01 1.18500000e+02 1.03000000e+02
9.73000000e+01 3.81000000e+01]
[ 3.30000000e+00 0.00000000e+00 0.00000000e+00 0.00000000e+00
1.84000000e+00 4.40700000e+01 1.32280000e+02 9.53000000e+01
9.27000000e+01 8.92400000e+01]
[ 1.40000000e+00 0.00000000e+00 1.00000000e+00 3.03000000e+00
7.00000000e-01 3.79900000e+01 1.40600000e+02 1.28600000e+02
1.04270000e+02 2.61200000e+01]]
使用MATLAB：
img = imread('0.png');
d_img = single(img);
img_40 = imresize(d_img,[40,40],'bilinear','AntiAliasing',false);
img_40(1:10,1:10,3)
0.3000 0 1.4000 1.8100 1.6100 3.4900 0 21.3500 96.2500 128.0800
2.0000 0 17.5000 13.1900 4.8700 19.8900 15.2300 48.1500 112.4200 126.6300
0 0 5.7500 0 2.3500 2.8000 80.4000 106.5000 122.3000 128.8000
0 5.2800 0.9500 7.1900 0 14.0300 98.5100 132.2000 128.9900 127.2700
0.7900 2.4000 0.1500 0.0700 0 16.5100 99.6300 150.7500 138.4400 134.3000
0 2.1300 0.1500 1.9000 0 34.2900 104.7300 138.4000 143.5600 139.4000
0 2.7000 0 0 0 54.3700 95.7400 28.8500 50.5500 78.8600
5.5500 0 0 0 0.1500 56.5500 118.5000 103.0000 97.3000 38.1000
3.3000 0 0 0 1.8400 44.0700 132.2800 95.3000 92.7000 89.2400
1.4000 0 1.0000 3.0300 0.7000 37.9900 140.6000 128.6000 104.2700 26.1200
PS：当使用uint8
值时，问题的答案没有提到插值引起的舍入误差。这是由于舍入误差造成的。请注意，所有差异仅为1个单位
您使用的是uint8
值，但是插值几乎总是给出浮点值。像素值[0-3]
之间的中点是1.5
。根据在resize
中进行的数学运算符的确切顺序，结果可能是1.4999999999
或1.50000000000001
，然后四舍五入时得到1
或2
非常感谢，您的回答解决了我的问题。有关详细信息，请参见问题中的更新。
img = imread('0.png');
d_img = single(img);
img_40 = imresize(d_img,[40,40],'bilinear','AntiAliasing',false);
img_40(1:10,1:10,3)
0.3000 0 1.4000 1.8100 1.6100 3.4900 0 21.3500 96.2500 128.0800
2.0000 0 17.5000 13.1900 4.8700 19.8900 15.2300 48.1500 112.4200 126.6300
0 0 5.7500 0 2.3500 2.8000 80.4000 106.5000 122.3000 128.8000
0 5.2800 0.9500 7.1900 0 14.0300 98.5100 132.2000 128.9900 127.2700
0.7900 2.4000 0.1500 0.0700 0 16.5100 99.6300 150.7500 138.4400 134.3000
0 2.1300 0.1500 1.9000 0 34.2900 104.7300 138.4000 143.5600 139.4000
0 2.7000 0 0 0 54.3700 95.7400 28.8500 50.5500 78.8600
5.5500 0 0 0 0.1500 56.5500 118.5000 103.0000 97.3000 38.1000
3.3000 0 0 0 1.8400 44.0700 132.2800 95.3000 92.7000 89.2400
1.4000 0 1.0000 3.0300 0.7000 37.9900 140.6000 128.6000 104.2700 26.1200