我正在将MATLAB代码转换到python中,并试图使用OpenCV函数cv2.resize
缩小图像的大小,但我得到了与MATLAB输出不同的结果。
为了确保我的代码在调整大小之前没有做错任何事情,我在两个函数上都使用了一个小例子,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
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. ]]
MATLAB
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
然后我把答案放回原来的2x2大小。
Python:
cv2.resize(x,(2,2), interpolation=cv2.INTER_LINEAR)
ans =
[[ 1.375, 2.125],
[ 2.875, 3.625]]
MATLAB:
imresize(x,[2,2],'bilinear')
ans =
1.5625 2.1875
2.8125 3.4375
它们显然不一样,当数字越大,答案就越不一样。
任何解释或资源都将不胜感激。
MATLAB的imresize
默认启用了抗锯齿功能:
>> 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
在过去,当我试图仅使用interp2
来重现imresize
的结果时,这让我感到困惑。