图像的上采样（放大）和降采样（缩小）是图像处理中调整尺寸的基础操作，OpenCV 通过图像金字塔相关 API（pyrUp/pyrDown）可快速实现，本文用极简代码演示核心用法，新手秒会。
核心代码实现
python
import cv2 as cv
import numpy as np
# 1. 读取图像并校验
src = cv.imread(".\image\6.bmp")
if src is None:
print('could not load image')
exit()
cv.imshow("src", src) # 显示原图
# 2. 上采样（pyrUp）：图像尺寸翻倍（宽/高各×2）
res = cv.pyrUp(src)
# 3. 降采样（pyrDown）：图像尺寸减半（宽/高各÷2）
resd = cv.pyrDown(src)
# 4. 显示采样结果
cv.imshow('outimage1(降采样)', resd)
cv.imshow('outimage(上采样)', res)
cv.waitKeyEx(0) # 支持特殊按键响应，等价于waitKey(0)
cv.destroyAllWindows()关键知识点解析
1. 采样核心逻辑
| 操作类型 | 核心 API | 效果 | 适用场景 |
|---|---|---|---|
| 上采样（放大） | cv.pyrUp() |
图像宽度、高度均翻倍，像素插值填充 | 细节放大、小目标可视化 |
| 降采样（缩小） | cv.pyrDown() |
图像宽度、高度均减半，高斯滤波后下采样 | 降低计算量、去除高频噪点 |
2. 重要注意事项
- 不可逆性 ：
pyrDown不是pyrUp的逆操作！降采样会丢失图像高频细节，即使对降采样后的图像执行上采样，也无法恢复原始细节； - 尺寸要求：图像尺寸最好为 2 的幂次（如 256×256、512×512），否则多次采样后可能出现尺寸异常（如非整数尺寸）；
- 滤波特性 ：
pyrDown执行时会先对图像做高斯滤波，再剔除偶数行 / 列，因此降采样同时具备轻微去噪效果。
3. 扩展技巧
- 精准控尺寸：若需指定具体尺寸，可改用
cv.resize()（如cv.resize(src, (800, 600))），pyrUp/pyrDown 仅支持倍数缩放； - 多次采样：可嵌套调用（如
cv.pyrUp(cv.pyrUp(src))）实现 4 倍放大，需注意多次放大后图像会模糊； - 对比显示：采样后可通过
cv.hconcat/cv.vconcat将原图与采样图拼接，直观对比效果。
总结
- 上采样（pyrUp）是图像尺寸翻倍放大，降采样（pyrDown）是尺寸减半缩小，均基于高斯金字塔实现；
- 降采样不可逆，会丢失细节，兼具轻微去噪效果；
- 倍数缩放用 pyrUp/pyrDown，精准尺寸调整用 cv.resize ()。