文章目录
- 1 总体简介
- 2 实现效果
- 2.1 直接缩放，不怕变形
- 2.2 不变形缩放/letterbox_image
- 2.2.1 不变形缩放，两端填充灰边
- 2.2.2 不变形缩放，一端填充灰边
- 3 代码运行
1 总体简介
对图像进行预处理操作的时候，一般有两种缩放方式。
-
一种是直接宽、高缩放至想要的宽、高，这种方式快捷，但可能会导致图像变形
-
一种是等比例缩放，然后用灰色边缘填充
step1: 计算宽高缩放比例，选择较小的那个缩放系数；
step2: 计算缩放后的尺寸: 原始图片的长宽都乘以较小的缩放系数；
step3：计算短边需要填充的灰边数，将短边的两边各自填充一半的灰行即可。
2 实现效果
2.1 直接缩放，不怕变形
针对直接缩放的方式，主要代码如下，全部代码实现见最下方
new_image = image.resize((target_w, target_h), Image.BICUBIC)
2.2 不变形缩放/letterbox_image
2.2.1 不变形缩放，两端填充灰边
yolov3使用这个方案
2.2.2 不变形缩放，一端填充灰边
Yolov5使用这个方案，是Yolov5推理速度能够很快的一个trick
很多图片的长宽比不同导致缩放填充后，两端的黑边大小都不同。而如果填充的比较多，则存在信息冗余，影响推理速度。YOLOv5作者对letterbox的缩放策略进行了修改，对原图自适应的添加最少的黑边。
计算方法：
- 计算原始图片宽高与输入尺寸的缩放比例rw和rh，选取r = min(rw,rh)后把原图按r进行缩放
- 原图宽和高中一定有一边完全贴合输入尺寸，没有达到输入尺寸的一边计算与输入尺寸的差值，然后进行上下（or左右）的填充。
3 代码运行
import matplotlib.pyplot as plt
from PIL import Image# ------------------------------------------------------------------------#
# 对输入图像进行resize,他人测试发现，不用letterbox_image直接resize的效果更好
# ------------------------------------------------------------------------#
def resize_image(image, size, letterbox_image):iw, ih = image.sizew, h = size # w=200, h=300if letterbox_image:scale = min(w/iw, h/ih)nw = int(iw*scale)nh = int(ih*scale)image = image.resize((nw,nh), Image.BICUBIC)# 新建一张image，第二个参数表示尺寸，第三个参数表示颜色new_image = Image.new('RGB', size, (128,128,128)) # --------------------------------------------------------------## 不变形resize，两端填充灰边# image.paste函数表示将一张图片覆盖到另一张图片的指定位置去# a.paste(b, (50,50)) 将b的左上顶点贴到a的坐标为（50，50）的位置，# 左上顶点为(0,0), b超出a的部分会被自动舍弃# --------------------------------------------------------------## new_image.paste(image, ((w-nw)//2, (h-nh)//2)) # ---------------------------------------------------## 不变形resize，一端填充灰边# ---------------------------------------------------#new_image.paste(image, (0, 0)) else:new_image = image.resize((w, h), Image.BICUBIC)return new_imageimg_PIL = Image.open("Avatar.jpg")
# ---------------------------------------------------#
# 第二参数表示目标尺寸，第三参数表示是否使用letterbox
# ---------------------------------------------------#
img = resize_image(img_PIL, (200, 300), True) plt.imshow(img)
plt.show()
