最近要进行数据预处理，所以要将读取的图片进行缩放才能使用，所以就来学一学图像的缩放。

图像的缩放主要包括两种，一种是全比例缩放，即把图像x，y方向都进行等比例缩放，另外一种是非全比例缩放。

比例缩放矩阵：

其代数式：

两种缩小变换方法：

基于等间隔采样的图像缩小方法。

基于局部均值的图像缩小方法。

等间隔采样方法顾名思义，就是每隔固定的距离进行采样，这样就选择一些点，舍弃一些点，最后就能得到最终结果，使其效果和原来差不多。若比例因子为m和n，原图的矩阵为 f[M×N],缩小后的矩阵为 g [(M*m)×(N*n)]，由于原图像素点多，映射到g后会出现多点对一点的现象所以我们从g映射到f，则有g(i,j) = f(i/m,j/n)

代码：

import cvdef Reduce(image,m,n):H = int(image.height*m)W = int(image.width*n)size = (W,H)iReduce = cv.CreateImage(size,image.depth,image.nChannels) #创建一个新图样for i in range(H):for j in range(W):x = int(i/m) #分别对x，y进行缩放y = int(j/n)iReduce[i,j] = image[x,y]return iReduce

实验效果

第二种缩放方法是基于局部均值的图像缩放方法

前面一种方法舍弃了很多点的信息，而局部均值法可以解决这个问题，我们说过f到g是一个多对一的映射前面的方法，我们简单的选取了其中的一个来映射到g，而这里，我们将找出所有映射到g(i,j)上的点，然后对他们的值取均值，好啦，具体思路如下：

此时g(i,j)不只是简单映射到f(i/m,j/n)了，而是可以映射到如下矩阵：

import cvdef JReduce(image,m,n):H = int(image.height*m)W = int(image.width*n)size = (W,H)iJReduce = cv.CreateImage(size,image.depth,image.nChannels)for i in range(H):for j in range(W):x1 = int(i/m)x2 = int((i+1)/m)y1 = int(j/n)y2 = int((j+1)/n)sum = [0,0,0]for k in range(x1,x2):for l in range(y1,y2):sum[0] = sum[0]+image[k,l][0]sum[1] = sum[1]+image[k,l][1]sum[2] = sum[2]+image[k,l][2]num = (x2-x1)*(y2-y1)iJReduce[i,j] = (sum[0]/num,sum[1]/num,sum[2]/num)return iJReducec