详解Python PIL Image.resize()方法

Python PIL库是Python的一种图像处理库，它提供的Image类中resize()方法用于调整图像大小，可以通过指定目标大小或者缩放比例来实现。

一、resize()方法基本使用

函数原型：Image.resize(size, resample=None, box=None, reducing_gap=None)

参数解释：

• size：目标大小，接受一个二维元组。例如，size = (width, height)即为目标宽度和目标高度
• resample：重新采样方法。默认值是None，表示从输入图像中选择一个合适的方法(也就是自适应方法)。如需重新采样图像，请设置为PIL.Image.NEAREST、PIL.Image.BOX、PIL.Image.BILINEAR、PIL.Image.HAMMING、PIL.Image.BICUBIC或PIL.Image.LANCZOS。有关这些方法的更多信息请参见PIL在线文档。
• box：由长度为4的元组(x0, y0, x1, y1)定义输入图像的区域。
• reducing_gap：用于缩小时对输入图像进行降采样的递减步长。默认为4.0，表示对输入图像的缩小系数是0.5。

返回值：

返回一个新的Image对象，该对象表示新的大小。

下面是一个基础示例，它将一个128x128的图片裁剪成64x64大小：

from PIL import Image

# 打开图像
img = Image.open('example.png')

# 调整大小
resized = img.resize((64, 64))

# 保存图像
resized.save('resized.png')

二、缩放比例

如果想把图像的尺寸缩放到原来的一半，即0.5倍，可以使用下面的代码：

from PIL import Image

# 打开图像
img = Image.open('example.png')

# 调整大小
width, height = img.size
resized = img.resize((int(width * 0.5), int(height * 0.5)))

# 保存图像
resized.save('resized.png')

三、不同重采样方法

重采样方法是指调整图像大小时所用的插值算法。PIL.Image库提供的重采样方法有：NEAREST (最近邻插值法)、BOX (box采样)、BILINEAR(双线插值)、HAMMING(汉明窗口函数插值)、BICUBIC(三次卷积插值)、LANCZOS(兰索斯窗口函数插值)等等。下面，我们分别演示各种重采样方法的效果：

from PIL import Image

# 打开图像
img = Image.open('example.png')

# NEAREST方法示例
resized = img.resize((200, 200), Image.NEAREST)
resized.save('resized_nearest.png')

# BILINEAR方法示例
resized = img.resize((200, 200), Image.BILINEAR)
resized.save('resized_bilinear.png')

# BICUBIC方法示例
resized = img.resize((200, 200), Image.BICUBIC)
resized.save('resized_bicubic.png')

# LANCZOS方法示例
resized = img.resize((200, 200), Image.LANCZOS)
resized.save('resized_lanczos.png')

通过上面这些演示代码，我们可以更好的理解重采样方法在图像尺寸调整时的不同效果。