我們知道 OpenCV 廣泛用於處理圖像，並為此提供了廣泛的功能。但是，如果我們想在不使用任何外部庫（如 OpenCV）的情況下處理圖像文件怎麼辦。讓我們看看如何做到這一點。
圖像縮放（使用最近鄰插值）：
最近鄰插值 —這是最簡單的插值方法。此方法只是確定“最近”的相鄰像素並為其強度取一個值。
考慮一個寬度為 w 且高度為 — 的小圖像。 h 我們想要從寬度 p 更改為寬度 q，假設 p> m 和 q > n.現在我們需要兩個縮放常數：
scale_x = p / w scale_y = q / h
現在我們簡單地迭代輸出圖像中的所有像素，參考我們的原始像素正在復制。使用 scale_x 和 scale_y 縮放我們的控制變量，並對生成的縮放索引值進行四捨五入。
視覺表示：
圖像是3X3像素（共9像素），現在如果我們想將圖像尺寸增加到6X6，那麼根據最近鄰算法6/3（即2）像素應該與值像素具有相同的RGB值到原始圖像。
圖片縮放程序：
# 使用 matplotlib 和 numpy
import matplotlib.image as img
導入 <代碼類= "plain"> numpy as npy
# 提供圖像位置可讀
m = img.imread ( "taj.png " );
# 定義原圖的長度
w , h = m.shape [: 2 <代碼類=“普通”>]；
# xNew 和 yNew 是新的寬度和 # 需要的圖像高度 縮放後
xNew = int (w * 1 / 2 );
yNew = int (h * 1 / 2 );
# 計算縮放因子 # 工作超過2個像素
xScale = xNew / (w - 1 );
yScale = yNew / (h - 1 );
# 使用 numpy，取 xNew 矩陣 # 寬度和新高度with #4 個屬性 [alpha, B, G, B] values ,Äã,Äã
newImage = npy.zeros ([xNew, yNew, 4 ]);
for i in range (xNew - 1 ):
for j in range (yNew - 1 ):
newImage [ i + 1 , j + 1 ] = m [ 1 + int (i / xScale),
1 + int (j / yScale)]
# 縮放後保存圖片
img.imsave ( `scaled.png ` , newImage);
輸出：
灰度圖像：
使用均值value 方法，這種方法強調像素的強度，而不是顯示 RGB 值是由什麼組成的。當我們計算平均RGB值並為它分配一個像素的RGB值時，由於像素的RGB值相同，因此無法創建任何顏色，因為所有顏色都是由於RGB的不同比例而產生的值，因為在這種情況下，比率將為 1:1:1。因此，渲染後的圖像看起來像灰色圖像。
視覺表示：
灰度圖像程序：
# 使用 NumPy
import numpy as npy
# 使用 matplotlib
import matplotlib.image as img
# 使用統計數據導入平均值 # 計算平均值
from 統計 導入 意思
m = img.imread( "taj.png" )
# 定義寬高原圖
w, h = m .shape [: 2 ]
# 新的圖像尺寸，每個像素有 4 個屬性
newImage = npy.zeros ([w, h, 4 ])
print (w)
print (h)
for i in range (w):
for j in range (h):
# RGB 比例將在 0 和 1 之間
lst = [ float (m [i] [j] [ 0 ]), float (m [i] [j] [ 1 ]), float (m [i] [j] [ 2 ])]
avg = float (意思是 (lst) )
newImage [i] [j] [ 0 ] = avg
newImage [i] [j] [ 1 ] = avg
newImage [i] [j] [ 2 ] = avg
newImage [i] [j] [ 3 ] = 1 #alpha值必須是1
# 使用 imsave 保存圖片
img.imsave ( `grayedImage.png` , newImage)
輸出：
裁剪圖像：
裁剪基本上去除不需要的像素。這可以通過將所需像素放置在另一個圖像網格中來完成，其大小在裁剪後與所需像素相匹配。
考慮一個大小為 10 √ó 10 像素的圖像，如果我們只想裁剪大小為 4 √ó 4 像素的圖像的中心，然後我們需要從 (10-4) / 2 收集像素值，從 (3, 3) 開始，最多 4 像素x 方向 和 y 方向 4 個像素。
視覺表示：
圖像裁剪器：
# 使用 matplotlib 和 numpy
import matplotlib.image as img
import numpy as npy
# 讀取變量 m 中的圖像
m = img.imread ( "taj.png" )
# 定義圖片尺寸寬度(w) 高度(h)
w, h = m.shape [: 2 ]
# 裁剪後所需的圖像大小
xNew = int (w * 1 / 4 )
yNew = int (h * 1 / 4 )
newImage = npy.zeros ([xNew, yNew, 4 ])
# 打印寬度源圖片高度
打印 (w)
print (h)
for i in range ( 1 , xNew):
for j in range ( 1 , yNew):
# 裁剪原始圖像的 100 到 100 像素
newImage [i, j] = m [ 100 + i, 100 + j]
# 保存圖片
img.imsave ( `cropped.png` , newImage)
輸出：
