如何在opencv python中保存图像时增加图像大小

我有一个python脚本，它可以在一个帧中检测

人

和

脸

。首先它检测到人，然后通过增加一些图像来保存其图像。然后，它检测该人物图像中的人脸，并保存该人脸图像

因为最初我缩小了框架的大小，所以原始保存的人物和面部图像非常小

frame = imutils.resize(frame, width=500)

因此，我得到了良好的fps和低噪音。这就是为什么在保存图像时，我必须增加其

宽度

和

高度

。下面是我正在使用的代码及其结果：

scale_percent = 220  # percent of original size
width = int(image.shape[1] * scale_percent / 100)
height = int(image.shape[0] * scale_percent / 100)
dim = (width, height)

dim = (width, height)
resized_img = cv2.resize(image, dim, interpolation = cv2.INTER_AREA)

我使用的测试图像是：

调整大小后保存的面部图像：

并在调整大小后保存人物图像：

---

虽然人物图像看起来很好，但是脸部图像的质量很低。是否有任何可能的方法，使我们可以增加图像的大小（宽度和高度），但仍然保持良好的质量。请帮忙。谢谢

试试INTER_CUBIC或INTER_LACZOS4

resized_img = cv2.resize(image, dim, interpolation = cv2.INTER_CUBIC)

根据我的经验，我主要从事图像方面的工作： 中间最近的~中间面积<中间立方~中间LACZOS4~中间线性

---

但是，当您执行这些操作时，仍然会出现一些像素化，因为您正在处理原始图像数据。

尝试使用INTER_CUBIC或INTER_LACZOS4

resized_img = cv2.resize(image, dim, interpolation = cv2.INTER_CUBIC)

根据我的经验，我主要从事图像方面的工作： 中间最近的~中间面积<中间立方~中间LACZOS4~中间线性

---

但是，当您执行这些操作时，仍然会出现一些像素化，因为您正在处理原始图像数据。

如果您放大到全尺寸图像的面，您将看到相同的瑕疵。好了，有一些有趣的新的深度学习变焦方法，但不确定它们是否真的有效。@Mika我认为你是对的，这意味着我们无法调整图像大小，并且仍然保留良好的像素如果你放大到全尺寸图像的表面，你会看到相同的瑕疵。好了，有一些有趣的新的深度学习缩放方法，但不确定它们到底有多有效。@Mika我想你是对的，因此，这意味着我们无法调整图像的大小，但仍然保留了良好的像素。您可以向我介绍一篇文章，该文章解释了所有这些

INTER_uu

内容，请进行比较，以便实际实现。请参阅cv2.resize（）的文档。有关INTER_uu的解释，请参阅并向我指出解释所有这些

INTER_u

内容的文章。为了进行比较，请仔细阅读cv2.resize（）的文档。有关INTER_u的解释，请参阅和