图像处理入门012 | 图像裁剪与缩放：resize 与 ROI 操作

系列：《图像处理算法入门 144 期》· 模块二：数字图像基础操作

标签：OpenCV / Pillow / resize / ROI / 插值 / Letterbox / 入门

一、前言

上一期（011）我们聊了图像的"身份证"------shape / dtype / size，搞清楚了图像在内存里到底是什么样子。本期进入 M02 基础操作的第四期 ，主题聚焦两个最高频的需求：缩放（resize） 与 裁剪（ROI）。

无论是给深度学习模型准备输入数据、生成缩略图、还是做图像增强预处理，cv2.resize 都是绕不开的 API。但你真的用对了吗？

场景	推荐插值	理由
模型推理输入预处理	`INTER_LINEAR` / `INTER_AREA`（缩小）	速度快，效果稳；YOLO/ResNet 默认
高质量图像放大	`INTER_CUBIC` / `INTER_LANCZOS4`	边缘更平滑，保留细节
实时视频缩放	`INTER_NEAREST`	极限速度优先
数据增强随机裁剪	任意，配合 ROI 切片	内容不变，关注几何变换

本期会带你：

用 4 种插值 做 resize 对比
用 PSNR + SSIM 客观评测差异
学会两种 ROI 裁剪 写法（OpenCV 切片 vs Pillow crop）
封装一个生产级的 智能缩放工具（Letterbox）

二、resize 的四种插值方法

2.1 插值原理速览

缩放的本质是用原图若干像素去"估"出新图的像素值。插值方法决定了估计的精度与速度：

插值方法	OpenCV 常量	复杂度	边缘特征	典型用途
最近邻	`INTER_NEAREST`	O(1)	锯齿明显	实时视频、像素画
双线性	`INTER_LINEAR`	O(4)	稍模糊	通用（OpenCV 默认）
像素区域（缩小专用）	`INTER_AREA`	-	最佳	缩小操作
双三次	`INTER_CUBIC`	O(16)	平滑锐利	高质量放大
兰索斯 4×4	`INTER_LANCZOS4`	O(64)	综合最优	专业级放大

2.2 一行代码对比

python 复制代码

import cv2

img = cv2.imread("photo.jpg")  # 原始 HxW
methods = {
    "最近邻": cv2.INTER_NEAREST,
    "双线性": cv2.INTER_LINEAR,
    "双三次": cv2.INTER_CUBIC,
    "兰索斯": cv2.INTER_LANCZOS4,
}
for name, flag in methods.items():
    resized = cv2.resize(img, (new_w, new_h), interpolation=flag)

OpenCV 的经验法则：

缩小 → cv2.INTER_AREA（避免摩尔纹）
放大 → cv2.INTER_CUBIC / cv2.INTER_LANCZOS4
通用 → cv2.INTER_LINEAR

三、客观质量评估：PSNR 与 SSIM

光看主观图不够，我们用 PSNR（峰值信噪比） 和 SSIM（结构相似性） 量化对比：

PSNR 越大越好（单位 dB，>30dB 通常视为难以察觉损失）
SSIM ∈ $0, 1$ ，越接近 1 越好

对同一张测试图（540×360→216×144→还原到 540×360）做 4 种插值，实测得分如下：

插值方法	PSNR (dB)	SSIM
INTER_NEAREST (最近邻)	16.41	0.9737
INTER_LINEAR (双线性)	20.10	0.9886
INTER_CUBIC (双三次)	20.08	0.9884
INTER_LANCZOS4 (兰索斯)	20.04	0.9881

结论：在这张测试图上双线性反而是综合最优------双三次与兰索斯因轻微振铃（ringing）拉低了得分。最近邻分数明显偏低，锯齿丢失了边缘结构信息。

这告诉我们：没有"最好的插值"，只有"最适合场景的插值"。对于自然风景照、人像，兰索斯更优；对于 UI 截图、几何线条，最近邻更合适。

四、ROI 裁剪：OpenCV vs Pillow 两种写法

ROI（Region of Interest，感兴趣区域）是图像处理的"基本手"------裁框、人脸定位、目标检测标注都靠它。

4.1 OpenCV 写法（NumPy 切片）

OpenCV 图像就是 np.ndarray，最直接的裁法就是切片：

python 复制代码

img = cv2.imread("photo.jpg")            # shape: (H, W, C)  ← 注意顺序!
roi = img[y1:y2, x1:x2]                  # 行（高）维度先，列（宽）维度后

坑点：img.shape 是 (H, W, C)，但是 cv2.resize(img, (W, H)) 的参数是 (W, H)，很多初学者都会搞反！

4.2 Pillow 写法（Image.crop）

Pillow 把图像当对象，坐标更"自然"：

python 复制代码

from PIL import Image
pil_img = Image.open("photo.jpg")       # size: (W, H)  ← 也是 W 先！
roi = pil_img.crop((left, upper, right, lower))   # box 是 (x1, y1, x2, y2)

两种写法结果完全一致，只是风格差异：

核心记忆点：

OpenCV / NumPy → 先高度 H（行），后宽度 W（列）

Pillow / cv2.resize → 先宽度 W（列），后高度 H（行）

五、生产级工具：智能缩放（Letterbox）

5.1 为什么需要 Letterbox？

直接 cv2.resize 会强制拉伸------把一张竖向人像压缩成正方形，脸会变形，这在给深度学习模型准备输入时是致命的：

复制代码

原始 540×360  →  直接 resize 到 224×224  →  拉伸变形 ❌
原始 540×360  →  Letterbox 到 224×224   →  等比缩放 + 灰边 ✅

Letterbox（letterboxing，"信箱模式"）的策略：

计算缩放比例 = min(target_w/src_w, target_h/src_h)，取较小者保证完整放入
按比例缩放 → 居中放置 → 四周填中性灰 (114, 114, 114)（YOLO 默认值）

5.2 完整实现

python 复制代码

def smart_resize_keep_ratio(
    img, target_w, target_h, pad_color=(114, 114, 114)
):
    h, w = img.shape[:2]
    scale = min(target_w / w, target_h / h)
    new_w, new_h = int(w * scale), int(h * scale)

    # 1) 等比缩放
    resized = cv2.resize(img, (new_w, new_h), interpolation=cv2.INTER_LANCZOS4)

    # 2) 创建目标画布并居中放置
    canvas = np.full((target_h, target_w, 3), pad_color, dtype=np.uint8)
    x_off = (target_w - new_w) // 2
    y_off = (target_h - new_h) // 2
    canvas[y_off:y_off + new_h, x_off:x_off + new_w] = resized

    return canvas, scale, (x_off, y_off, new_w, new_h)

5.3 四种缩放策略对比

什么时候用哪种策略？

场景推荐策略备注

目标检测模型输入 Letterbox YOLOv5/v8 默认

图像分类模型输入 Letterbox 或中心裁剪 ResNet/VGG

网页缩略图 Letterbox 不变形即可

头像/封面裁剪中心裁剪抛弃背景信息

打印/印刷品直接拉伸到目标尺寸高分辨率源图

场景	推荐策略	备注
目标检测模型输入	Letterbox	YOLOv5/v8 默认
图像分类模型输入	Letterbox 或中心裁剪	ResNet/VGG
网页缩略图	Letterbox	不变形即可
头像/封面裁剪	中心裁剪	抛弃背景信息
打印/印刷品	直接拉伸到目标尺寸	高分辨率源图

5.4 一键输出深度学习输入尺寸

下面这行代码就能把任意尺寸图缩到 224×224（ResNet 经典输入）：

python 复制代码

lb_224, scale, box = smart_resize_keep_ratio(img, 224, 224)

输出效果（540×360→224×224，scale=0.4148，等比缩放居中）：

六、完整代码

完整脚本已保存到 code/012_resize_crop.py，运行后会自动在 code/output/ 下生成 5 张图：

复制代码

code/012_resize_crop.py    # 本期代码
code/output/012_source.png              # 测试原图
code/output/012_interpolation_quality.png  # PSNR+SSIM 对比
code/output/012_roi_crop_compare.png    # OpenCV vs Pillow ROI
code/output/012_smart_resize_compare.png # 4 种缩放策略
code/output/012_letterbox_224.png       # 深度学习输入样例

运行方式：

bash 复制代码

"C:/Users/kazen/.workbuddy/binaries/python/envs/cv_env/Scripts/python.exe" code/012_resize_crop.py

七、常见问题 FAQ

Q1：缩放后颜色变了（偏色），怎么办？

检查 dtype：若图像是 float32，插值可能产生负值或 >1 的值，务必 np.clip(..., 0, 255) 后再转回 uint8。

Q2：Letterbox 的填充色为什么是 (114,114,114)？

这是 YOLOv5/v8 的默认值，对应 0.45 灰度。对于亮度自适应模型（如 SAM），可以改为 (0,0,0)，或用图像均值作为填充色。

Q3：放大到很大的尺寸（10 倍+）出现明显模糊？

这是插值的"硬天花板"。需要上深度学习方案：Real-ESRGAN / Topaz Gigapixel AI / SD 放大。详细对比将在 M13 深度学习模块展开。

Q4：批量缩放一堆图，怎么写最简洁？

用 pathlib.Path.glob('*.jpg') + tqdm 加进度条，或者用 Image.open + PIL.ImageOps.fit()（带自动裁剪）。具体代码我们会在 017 期「批量处理 pipeline」详细讲。

Q5：Pillow 的 thumbnail() 和 resize() 有什么区别？

thumbnail() 是原地操作 ，只缩小不放大；resize() 返回新图，能双向缩放。

八、课后练习

基础练习 ：用 OpenCV 写一个 pad_to_square(img, fill_color)，把任意矩形图补成正方形。
进阶练习 ：扩展 smart_resize_keep_ratio，支持"右对齐 / 左对齐 / 底部对齐"等非居中模式（YOLOv5-Aug 增强版本）。
挑战练习 ：实现一个 resize_and_cover（类似 CSS object-fit: cover），先等比缩放到完全覆盖目标框，再中心裁剪，对比 letterbox 的视觉效果差异。

九、本期小结 & 下期预告

维度	内容
核心 API	`cv2.resize()`、`cv2.INTER_*`、`PIL.Image.crop()`
核心策略	Letterbox（保比例+灰边）、中心裁剪（切边）
评估指标	PSNR、SSIM
实战工具	`smart_resize_keep_ratio` 智能缩放
下一步	013 期：图像旋转与翻转：几何重采样详解，讲任意角度旋转 + 自适应画布

本文为《图像处理算法入门 144 期》系列第 012 期，面向入门者强调实操性，所有代码均经过本地实测运行。如有疏漏，欢迎评论区指正。

配套仓库：https://github.com/yourname/image-processing-144（示例代码，无实际依赖）

推荐产品（本期主题：缩放与裁剪）

类别	代表产品	用例
移动端	稿定设计（图片裁剪/拼图）、剪映（视频帧裁剪）、醒图（智能裁切主体）	日常裁图、构图优化
专业级	Figma（设计稿自适应框）、Adobe Photoshop（裁剪工具+内容识别缩放）、Capture One（高保真批量缩放）	设计交付、商业出片