OpenCV中的resize函数可以对图像做任意比例的放大(/缩小)处理，该处理过程会对图像做高斯模糊化以保证图像在进行放大（/缩小）后尽可能保留源图像所展现的具体内容（消除固定频率插值/采样带来的香农采样信息损失），但在有些场景中该方法不适用，如：部分应用场景只为了展现图像具体像素的色彩信息，则其就不需要对具体输入的图像做高斯平滑处理，则此场景需要自行实现，实现代码如下：
def enlarge_without_gauss(img, ratio:int):
h,w = img.shape
img_x_ratio = np.zeros((img.shape[0]*ratio, img.shape[1]*ratio), dtype=np.uint8)
for h in range(img.shape[0]):
for w in range(img.shape[1]):
img_x_ratio[h*ratio:h*ratio+ratio, w*ratio:w*ratio+ratio] = img[h,w]
return img_x_ratio与OpenCV自带的resize函数放大对比简易比较代码如下：
import numpy as np
import cv2
def enlarge_without_gauss(img, ratio:int):
h,w = img.shape
img_x_ratio = np.zeros((img.shape[0]*ratio, img.shape[1]*ratio), dtype=np.uint8)
for h in range(img.shape[0]):
for w in range(img.shape[1]):
img_x_ratio[h*ratio:h*ratio+ratio, w*ratio:w*ratio+ratio] = img[h,w]
return img_x_ratio
# 随机产生一张单通道图像
img = np.random.rand(80, 120)
img = (img * 255).astype(np.uint8)
cv2.imshow("img", img)
# 设置缩放比例
RATIO = 8
# 按具体像素位放大
img_enlarge_xN_without_gauss = enlarge_without_gauss(img, RATIO)
cv2.imshow("enlarge_xN_without_gauss", img_enlarge_xN_without_gauss)
# 使用opencv自带函数resize放大
h, w = img.shape
img_resize_xN = cv2.resize(img, (w*RATIO, h*RATIO))
cv2.imshow("resize_xN", img_resize_xN)
cv2.waitKey(0)随机产生的原图如下：
按像素放大效果（设置的8倍）：
使用opencv resize函数放大（设置的8倍）：
