4.2.4　调整图像大小

由于多方面原因，调整图像大小也很有必要。你可能希望调大图像，以更好地适应屏幕，或者调小图像，已实现更快的处理速度（因为要处理的像素少一些）。同时，在进行深度学习时，也经常要调整图像的大小，忽略纵横比，以得到适合深度学习网络的方阵和特定维度的图像的尺寸。

把原始图像调整为200×200的大小，代码如下：

---

 # 将图像大小调整为200x200px，忽略纵横比   #28
resized = cv2.resize(image, (200, 200)) #29
cv2.imshow("Fixed Resizing", resized)   #30
cv2.waitKey(0)  #31

---

在第29行，调整图像但忽略了纵横比。通过图4-3可以看到图像已经调整了大小。但是由于没有考虑纵横比，所以图像也已失真。

下面介绍如何在调整图像的大小同时保留原始图像的纵横比，使其不会被压扁和扭曲的代码：

---

 # 固定调整大小和扭曲纵横比  #33
# 将宽度调整为300px，但根据纵横比计算新的高度  #34
r = 300.0 / w   #35
dim = (300, int(h * r)) #36
resized = cv2.resize(image, dim)    #37
cv2.imshow("Aspect Ratio Resize", resized)  #38
cv2.waitKey(0)  #39

---

图4-3　使用OpenCV和Python可以用cv2.resize调整图像大小，但不会自动保留纵横比

回去看一下上面脚本的第9行，我们提取了图像的宽度和高度。如果想把768像素宽的图像调整为300像素宽，同时保持纵横比。那么，在第35行，先要计算新宽度与旧宽度的比率。然后，要指定新图像的尺寸dim。想要一个300像素宽的图像，那就必须计算高度，使用原始高度乘以比例h*r（h、r分别为原来的高度和纵横比）就可以了。将dim（想要的尺寸）输入cv2.resize函数，会获得一个名为resized的新图像，且没有失真（第37行）。

为了检查是否成功完成操作，使用第38行的代码显示图像，如图4-4所示。

图4-4　保留纵横比地调整图像大小

使用OpenCV保留纵横比地调整图像大小需要经过3个步骤：①提取图像尺寸，②计算纵横比，③沿一个维度调整（cv2.resize）图像的大小，另一个维度尺寸则乘以纵横比。

有没有更简单的可以在调整大小时保留纵横比的方法呢？

答案是有的，每次想要调整图像大小时，都要计算一下纵横比，这有点烦琐，所以可以考虑把代码封装在imutils包的函数中。

接下来展示如何使用imutils.resize：

---

 # 手动计算纵横可能很麻烦，#41
# 所以使用imutils库代替 #42
resized = imutils.resize(image, width=300) #43
cv2.imshow("Imutils Resize", resized) #44
cv2.waitKey(0) #45

---

仅仅通过一行代码，就成功保留了纵横比并调整了图像大小。你只需要提供目标width或height作为关键字参数（第43行），结果如图4-5所示。

图4-5　使用封装函数调整图像大小