在计算机视觉领域，图像缩放和裁剪是最基础也最常用的操作。无论是调整图像大小以适应模型输入，还是裁剪掉无关区域突出主体，这些技巧都能帮你解决实际问题。本文将用最简单的方式带你掌握Python OpenCV中这两个核心操作，即使是零基础也能轻松跟上。
一、图像缩放：调整图像大小的技巧¶
图像缩放就像给照片”拉伸”或”压缩”，可以通过固定比例缩小/放大，也可以直接指定目标尺寸。OpenCV中使用cv2.resize()函数实现，这是你必须掌握的第一个工具。
1. cv2.resize()函数参数详解¶
这个函数的核心参数包括：
- 输入图像：要处理的图像（比如img）
- 目标大小：可以用两种方式指定
- 方法1：(宽度, 高度)，直接给目标尺寸（如(200, 300)）
- 方法2：(0, 0) + fx/fy（fx是水平缩放比例，fy是垂直缩放比例，如fx=0.5表示缩小到原图一半）
- 插值方法：控制”如何计算新像素的值”，常用的有：
- cv2.INTER_AREA：适合缩小图像（效果更清晰）
- cv2.INTER_LINEAR：适合放大图像（默认选项，平滑效果好）
2. 示例1：按比例缩放（最常用）¶
假设你有一张1000×600的图像，需要缩小到原来的1/2，或放大到1.5倍，代码如下：
import cv2
# 1. 读取图像（路径请替换为你的图像路径）
img = cv2.imread("test.jpg") # 彩色图像
if img is None: # 检查图像是否读取成功
print("图像路径错误！请确保文件存在。")
else:
# 2. 按比例缩放：fx=0.5（宽度缩小一半），fy=0.5（高度缩小一半）
scaled_img = cv2.resize(img, None, fx=0.5, fy=0.5, interpolation=cv2.INTER_AREA)
# 3. 显示原图和缩放后的图像
cv2.imshow("Original", img) # 显示原图
cv2.imshow("Scaled", scaled_img) # 显示缩放图
cv2.waitKey(0) # 按任意键关闭窗口
cv2.destroyAllWindows() # 销毁所有窗口
关键点：None表示不直接指定尺寸，通过fx和fy自动计算。
3. 示例2：指定目标尺寸（固定宽高）¶
如果需要精确控制输出尺寸（比如把图像调整为200×200像素），直接传入目标宽高：
# 目标尺寸：宽度200，高度200
target_size = (200, 200)
resized_img = cv2.resize(img, target_size, interpolation=cv2.INTER_LINEAR)
# 显示结果
cv2.imshow("Target Size", resized_img)
cv2.waitKey(0)
cv2.destroyAllWindows()
注意：如果目标尺寸与原比例不符，图像会被拉伸变形。若需保持比例，建议用按比例缩放。
4. 缩放的常见问题¶
- 图像路径错误：用绝对路径（如
"C:/Users/xxx/Desktop/test.jpg"）更保险 - 插值方法选错：缩小用
INTER_AREA，放大用INTER_LINEAR，避免模糊 - 窗口一闪而过：记得加
cv2.waitKey(0)暂停显示，cv2.destroyAllWindows()关闭窗口
二、图像裁剪：精准截取图像区域¶
裁剪就像用剪刀”剪掉”图像的一部分，只保留感兴趣的区域。在OpenCV中，图像本质是NumPy数组，因此裁剪本质是数组切片操作。
1. 裁剪原理：数组切片¶
图像在OpenCV中以NumPy数组形式存储，格式为(高度, 宽度, 通道数)（如(600, 1000, 3)）。要裁剪区域，只需指定左上角坐标和右下角坐标，格式为：
img[y_start:y_end, x_start:x_end]
y_start：裁剪区域的起始行（垂直方向）y_end：裁剪区域的结束行（垂直方向）x_start：裁剪区域的起始列（水平方向）x_end：裁剪区域的结束列（水平方向）
2. 示例1：裁剪固定区域¶
假设你需要裁剪图像中间的一块区域（比如从左上角(100, 50)到右下角(400, 300)）：
# 读取图像
img = cv2.imread("test.jpg")
# 定义裁剪区域：y从100到500，x从50到400（注意顺序：先y后x）
cropped_img = img[100:500, 50:400] # 切片格式：[y_start:y_end, x_start:x_end]
# 显示结果
cv2.imshow("Cropped", cropped_img)
cv2.waitKey(0)
cv2.destroyAllWindows()
关键点：坐标越界会导致错误！比如y_end不能超过图像高度（img.shape[0]），x_end不能超过宽度（img.shape[1]）。
3. 示例2：裁剪中心区域（居中裁剪）¶
如果需要裁剪图像中心部分（比如把任意尺寸图像裁剪为固定尺寸200×200），可以先计算中心坐标：
# 读取图像
img = cv2.imread("test.jpg")
h, w = img.shape[:2] # 获取原图高度h和宽度w
# 目标裁剪尺寸：200×200
target_h, target_w = 200, 200
# 计算中心坐标
x_start = (w - target_w) // 2 # 水平居中
y_start = (h - target_h) // 2 # 垂直居中
x_end = x_start + target_w
y_end = y_start + target_h
# 裁剪中心区域
cropped_center = img[y_start:y_end, x_start:x_end]
# 显示结果
cv2.imshow("Center Cropped", cropped_center)
cv2.waitKey(0)
cv2.destroyAllWindows()
关键点：用//（整数除法）避免非整数坐标，确保裁剪区域完整。
三、总结：初学者必记的核心技巧¶
-
图像缩放
- 用cv2.resize()，按比例缩放用fx/fy，固定尺寸用(宽度, 高度)
- 缩小选INTER_AREA，放大选INTER_LINEAR，避免变形
- 注意路径正确性和窗口销毁（destroyAllWindows()） -
图像裁剪
- 本质是数组切片：img[y_start:y_end, x_start:x_end]
- 坐标从左上角开始，越界会报错，需确保y_end < h且x_end < w
- 居中裁剪需先计算中心偏移量，确保区域完整
通过以上两个核心操作，你已经可以处理大多数简单的图像预处理需求了。实际应用中，这两个技巧经常结合使用（比如先裁剪再缩放），快去动手试试吧！遇到问题时，记得检查图像路径、坐标范围和窗口操作，这些都是初学者最容易出错的地方~