OpenCV – resize で画像をリサイズする方法

概要

OpenCV の画像をリサイズする関数 cv2.resize() の使い方について解説します。

cv2.resize

dst = cv2.resize(src, dsize[, dst[, fx[, fy[, interpolation]]]])

公式リファレンス

引数

名前	型	デフォルト値
src	ndarray, None
src	入力画像
dsize	tuple of 2-ints
dsize	リサイズ後の大きさを (w, h) で指定
fx	float	0
fx	$x$ 方向の倍率
fy	float	0
fy	$y$ 方向の倍率
interpolation	ndarray	cv2.INTER_LINEAR
interpolation	補完方法 cv2.INTER_NEAREST: 最近傍補間 cv2.INTER_LINEAR: バイリニア補間 cv2.INTER_CUBIC: バイキュービック補間 cv2.INTER_AREA: ピクセル領域の関係を利用したリサンプリング cv2.INTER_LANCZOS4: Lanczos 補間

返り値

名前	説明
dst	リサイズ後の画像

リサイズは dsize で大きさを指定する方法と fx、fy で倍率で指定する方法の 2 種類があります

dsize: リサイズ後の大きさを指定する。
fx、fy: $x, y$ 方向の倍率をそれぞれ指定する。このとき、dsize=None にする。

サンプルコード

In [1]:

import cv2
from IPython.display import Image, display


def imshow(img):
    """ndarray 配列をインラインで Notebook 上に表示する。"""
    ret, encoded = cv2.imencode(".jpg", img)
    display(Image(encoded))

画像を指定した大きさにリサイズする

In [2]:

img = cv2.imread("sample.jpg")

# 指定した大きさにリサイズする。
dst = cv2.resize(img, dsize=(200, 200))

print(f"{img.shape} -> {dst.shape}")
imshow(dst)

(350, 500, 3) -> (200, 200, 3)

画像を指定した倍率にリサイズする

In [3]:

img = cv2.imread("sample.jpg")

# 指定した倍率にリサイズする。
dst = cv2.resize(img, dsize=None, fx=0.5, fy=0.5)

print(f"{img.shape} -> {dst.shape}")
imshow(dst)

(350, 500, 3) -> (175, 250, 3)

画像を幅が指定した値になるようにリサイズする

In [4]:

def scale_to_width(img, width):
    """幅が指定した値になるように、アスペクト比を固定して、リサイズする。"""
    h, w = img.shape[:2]
    height = round(h * (width / w))
    dst = cv2.resize(img, dsize=(width, height))

    return dst


img = cv2.imread("sample.jpg")

# 幅が指定した値になるようにリサイズする。
dst = scale_to_width(img, 250)
print(f"{img.shape} -> {dst.shape}")
imshow(dst)

(350, 500, 3) -> (175, 250, 3)

画像を高さが指定した値になるようにリサイズする

In [5]:

def scale_to_height(img, height):
    """高さが指定した値になるように、アスペクト比を固定して、リサイズする。"""
    h, w = img.shape[:2]
    width = round(w * (height / h))
    dst = cv2.resize(img, dsize=(width, height))

    return dst


img = cv2.imread("sample.jpg")

# 高さが指定した値になるようにリサイズする。
dst = scale_to_height(img, 250)
print(f"{img.shape} -> {dst.shape}")
imshow(dst)

(350, 500, 3) -> (250, 357, 3)

画像を指定した大きさに収まるようにリサイズする

入力画像の大きさを $(w, h)$、指定した大きさを $(bw, bh)$ とします。リサイズ後の大きさ $(nw, nh)$ を次の関係を満たすように決めます。

アスペクト比が固定なので、$\text{aspect} = \frac{w}{h} = \frac{nw}{nh}$
$\frac{bw}{w} \ge \frac{bh}{h} \Leftrightarrow \frac{bw}{bh} \ge \text{aspect}$ のとき、$nh = bh$ なので、$nw = nh \times \text{aspect}$
$\frac{bw}{w} < \frac{bh}{h} \Leftrightarrow \frac{bw}{bh} < \text{aspect}$ のとき、$nw = bw$ なので、$nh = \frac{nw}{\text{aspect}}$

In [6]:

def scale_box(img, width, height):
    """指定した大きさに収まるように、アスペクト比を固定して、リサイズする。"""
    h, w = img.shape[:2]
    aspect = w / h
    if width / height >= aspect:
        nh = height
        nw = round(nh * aspect)
    else:
        nw = width
        nh = round(nw / aspect)

    dst = cv2.resize(img, dsize=(nw, nh))

    return dst


# 指定した大きさに収まるようにリサイズする。
dst = scale_box(img, 300, 300)
print(f"{img.shape} -> {dst.shape}")
imshow(dst)

(350, 500, 3) -> (210, 300, 3)

画像を指定した解像度にリサイズする

入力画像の大きさを $(w, h)$、リサイズ後の解像度を $\text{resolution}$ とします。リサイズの倍率 $s$ を次の方程式を満たすように決めます。

$$ (w \times s) \times (h \times s) = \text{resolution} $$

これを解くと、

$$ s = \sqrt{\frac{\text{resolution}}{w \times h}} $$

In [7]:

def scale_to_resolation(img, resolation):
    """指定した解像度になるように、アスペクト比を固定して、リサイズする。"""
    h, w = img.shape[:2]
    scale = (resolation / (w * h)) ** 0.5
    return cv2.resize(img, dsize=None, fx=scale, fy=scale)


img = cv2.imread("sample.jpg")

# 指定した解像度になるようにリサイズする。
dst = scale_to_resolation(img, 640 * 480)

print(f"{img.shape} -> {dst.shape}")
imshow(dst)

(350, 500, 3) -> (464, 662, 3)

画像のリサイズの際の補間方法について

cv2.resize では、interpolation 引数にて、画像をリサイズした際の画素値の補間方法を指定できます。デフォルトはバイリニア補間となっています。補間方法による違いを計算速度及び画質の観点で評価しました。画質の評価は、入力画像を縮小した後、再び元の大きさに拡大して、入力画像とどのくらい値が異なるかを PSNR という指標で評価しました。OpenCV では、PSNR は cv2.PSNR() で計算できます。

5000 枚の画像に対して、計算時間及び PSNR を評価した結果、平均は以下のようになりました。

計算時間 (ms): 画像を 30%縮小するのに要した時間
PSNR: 「入力画像を 50%にリサイズ後、元のサイズに再度リサイズした画像」と入力画像を比較した PSNR の値

	計算時間 (ms)	PSNR
interpolation
cv2.INTER_NEAREST	0.04	23.45
cv2.INTER_LINEAR	0.08	26.66
cv2.INTER_CUBIC	0.51	27.12
cv2.INTER_AREA	1.45	26.42
cv2.INTER_LANCZOS4	1.12	26.35

計算速度では、cv2.INTER_AREA と cv2.INTER_LANCZOS4 は他の手法より時間がかかる結果となりました。 PSNR では、cv2.INTER_NEAREST 以外はほぼ同じ値となりました。よって、拘りがなければ、デフォルトの cv2.INTER_LINEAR で問題がなさそうです。