8
4

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

More than 1 year has passed since last update.

OpenCV-python:リサイズする方法(cv2.resize)

Posted at

概要

cv2.resize(img, Size,fx=0,fy=0,interpolation=INTER_LINEAR)

・img: ndarray
・Size: (w,h) サイズの大きさ
・fx x方法の倍率
・fy y方法の倍率
・interpolation: リサイズの処理方法

cv2.resizeはリサイズするために二つの方法が含んでいます。最初にSizeです。希望のサイズを設定して (例え、(256,256) )、画像はこのサイズへ変換します。二つ目の方法は、fxとfyの倍率の方法です。最初に SizeはNoneと設定して、fxとfyのfloatの値により、リサイズを行います。

Sample Code サンプルコード

import matplotlib.pyplot as plt
import cv2
img=cv2.imread("doge.jpg")[:,:,::-1]
#Resize D Size 
img_ds=cv2.resize(img,(500,300)) # ( X, Y)
#Resize fx fy
img_fs=cv2.resize(img,None,fx=0.5,fy=0.5)

fig,axs=plt.subplots(1,3,figsize=(12,8))
axs[0].imshow(img)
axs[0].set_title("Original")

axs[1].imshow(img_ds)
axs[1].set_title("Resize 300x500")

axs[2].imshow(img_fs)
axs[2].set_title("Resize fx 0.5 fy 0.5")

image.png

Interpolationについて

Interpolationは5つの種類があり、標準の設定はcv2.INTER_LINEARです。それぞれは方法や計算時間が異なっています。
・cv2.INTER_NEAREST :最近傍補間
・cv2.INTER_LINEAR : バイリニア補間(デフォルト)
・cv2.INTER_AREA :ピクセル領域の関係を利用したリサンプリング.画像を大幅に縮小する場合は,モアレを避けることができる良い手法です.
・cv2.INTER_CUBIC : 4x4 の近傍領域を利用するバイキュービック補間
・cv2.INTER_LANCZOS4 : 8x8 の近傍領域を利用する Lanczos法の補間

from datetime import datetime

def plot_resize_test(img_h,resize):
  dim_h=img_h.shape
  #resizeのオプション
  interpolations=["ORIGINAL",cv2.INTER_NEAREST,cv2.INTER_LINEAR,cv2.INTER_AREA,cv2.INTER_CUBIC,cv2.INTER_LANCZOS4]
  interpolation_names=["INTER_NEAREST","INTER_LINEAR","INTER_AREA","INTER_CUBIC","INTER_LANCZOS4"]
  fig,axs=plt.subplots(3,2,figsize=(10,15))
  axs=axs.reshape(-1)
  
  out_dic={}

  for ax,inter in zip(axs,interpolations):

    if inter == "ORIGINAL":
      ax.imshow(img_h)
      ax.set_title("ORIGINAL")
      out_dic["ORIGINAL"]=[1,img_h]
    
    else:
      start=datetime.now()
      img_pl_resize=cv2.resize(img_h,resize,interpolation=inter)
      end=datetime.now()
      print(dim_h,img_pl_resize.shape)
      p_time=end-start
     # p_time=p_time #.strftime('%S.%f')
      print(p_time)

      
      ax.imshow(img_pl_resize)
      ax.set_title(interpolation_names[inter]+ f"\n process_time (s): {str(p_time).split(':')[-1]}")
  
    fig.tight_layout()

image.png

機械学習のマスク画像の注意点

画像のセグメンテーションを訓練したいなら、マスクのデータが必要です。画像の中で、物体の範囲は普通に1つの値が割り当てられていますが、リサイズを行うときに、このラベル値を変化できます。ラベル数は少ないときに、あまり影響がありませんが、多いラベル数の場合、問題が発生します。なぜなら、ほとんどのInterpolationは値を変化するからです。INTER_NEARESTのみで値を変化しません。

image.png

上記に例の人工衛星があり、左にはこの画像のマスクのデータです。画像のサイズは、1479x2149で6種のラベルがあります。下記にリサイズを行い、それぞれのInterplationの唯一のラベル数を計算します。
image.png
INTER_NEAREST以外のInterpolationはラベル数を増えてしまいました。

image.png

8
4
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
8
4

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?