Python 使用cv2.imresize为神经网络输入调整数据大小

我必须缩小数据规模，将数据输入到神经网络

我想使用，但关于如何插值数据以缩小其比例，有多种选择：

• INTER_NEAREST-最近邻插值
• INTER_LINEAR-双线性插值（默认情况下使用）
• INTER_AREA-使用像素面积关系重新采样。这可能是图像抽取的首选方法，因为它提供了无莫尔条纹的图像 结果。但是当图像被缩放时，它与
• 最接近法
• INTER_CUBIC-4x4像素邻域上的双三次插值
• INTER_LANCZOS4-8x8像素邻域上的Lanczos插值

---

有人尝试过这些吗？如果有，你发现了什么？注意：我没有足够的时间尝试使用各种插值进行学习。

对于下采样图像数据（我假设数据是一幅图像，因为您使用的是OpenCV），您可以使用面积平均来获得速度和质量方面的良好性能（除非降尺度因子非常小，可能会发生模糊）

最近邻将定期删除一些单元格，但速度相当快，因为实际上没有执行插值。但是，大多数图像都会出现一些问题

如果质量是您主要关心的问题，请使用（一般来说，比双三次曲线慢，但质量更高的图像）

---

双三次曲线和双线性曲线在因子小于0.5的情况下对图像进行降尺度时性能非常差。

然后只需使用工作良好且速度非常快的INTER_区域即可。谢谢！“当你说平均值时，你是指国际区吗？”安吉拉，是的，没错。如果答案有帮助，请向上投票/接受。当我缩小图像比例时，INTER_NEAREST的行为如何？它通过计算原始图像的平均像素值来创建简化版本？