1.介绍
在做图像处理过程中，我们有时会将图像缩小之后再进行处理，常用的开源图像算法包“Opencv”已经带有resize函数，用起来也是很容易上手的。
对于Opencv中函数原型：cv2.resize(src, dsize[, dst[, fx[, fy[, interpolation]]]])
参数：
interpolation - 插值方法，共有5种：
１）INTER_NEAREST - 最近邻插值法
２）INTER_LINEAR - 双线性插值法（默认）
３）INTER_AREA - 基于局部像素的重采样（resampling using pixel area relation）。对于图像抽取（image decimation）来说，这可能是一个更好的方法。但如果是放大图像时，它和最近邻法的效果类似。
４）INTER_CUBIC - 基于4x4像素邻域的3次插值法
５）INTER_LANCZOS4 - 基于8x8像素邻域的Lanczos插值
2.代码
我们用cv2.resize对于一张4k的图像进行缩放到768x512大小，另外选择最复杂的插值方法cv2.INTER_LANCZOS4，代码如下：
import cv2
img_path = "864_4K_Las_Vegas.png"
img1 = cv2.imread(img_path)
img1 = cv2.resize(img1, (768, 512), cv2.INTER_LANCZOS4)
cv2.imwrite("opencv.png", img1)结果可以看下图，图中出现很多锯齿
3.改进
出现上面那种情况之后，我们就不能用Opencv里面这个函数，那么就自己写一个？幸好有人帮我们做了，那就是PIL，里面也有一个resize，其使用用法和Opencv差不多，我就不展开讲了，它的插值方法有如下可选：
代码跑一跑：
from PIL import Image
img = Image.open(img_path)
img2 = img.resize((768, 512))
img2.save("PIL_default.png")
img3 = img.resize((768, 512), Image.ANTIALIAS)
img3.save("PIL_Image_ANTIALIAS.png")默认结果（和Opencv差不多）：
Image.ANTIALIAS结果（正是我们所需要结果）：
