使用 OpenCV 实现图像等比例填充或保持宽高比填充-CSDN博客

本文链接：https://blog.csdn.net/qq_51570094/article/details/147504218

对图像进行不变形填充（也称为等比例填充或保持宽高比填充）的意义在于在调整图像尺寸时避免图像内容失真，同时确保图像适配目标尺寸。这种操作通常在以下场景中具有重要价值：

1. 核心意义

（1）避免内容失真

问题：直接缩放图像（如拉伸或压缩）会破坏原始宽高比，导致图像内容扭曲（如人脸变胖/变瘦、物体比例失调）。
解决方案：通过不变形填充，先按比例缩放图像至目标尺寸的某一边（高度或宽度），再对另一边进行填充，从而保持原始内容比例。

（2）适配固定尺寸的容器

需求：在深度学习、图像处理或界面设计中，模型或框架可能要求输入图像具有固定尺寸（如224×224）。
作用：填充可以统一图像尺寸，同时避免因强制缩放导致的关键信息丢失（如目标检测中物体变形）。

2. 典型应用场景

（1）深度学习模型输入

目标检测/分类：模型通常需要固定尺寸的输入（如YOLO、ResNet）。不变形填充可确保图像比例不变，避免因拉伸导致的特征错位。
对比示例：
- 错误方式：直接拉伸图像至224×224，导致人脸变形。
- 正确方式：缩放图像至224×168（保持比例），再填充至224×224（上下填充黑色边框）。

（2）图像显示与排版

需求：在网页或APP中展示图片时，需保持图片比例以避免视觉扭曲。
作用：填充可确保图片在固定尺寸的容器中显示时，主体内容（如产品图、人像）保持正常比例。

（3）数据增强

方法：在训练前对图像进行随机填充（如上下左右填充不同颜色），增加数据多样性。
效果：提升模型对边缘区域的鲁棒性。

3. 技术实现细节

（1）计算缩放比例

步骤：
1. 计算目标尺寸与原始尺寸的宽高比。
2. 选择较小的缩放比例（min(target_height/orig_height, target_width/orig_width)），确保图像完整覆盖目标尺寸的某一边。
示例：
- 原始图像：300×200，目标尺寸：224×224。
- 计算比例：min(224/300, 224/200) = 0.746。
- 缩放后尺寸：300×0.746=224（宽），200×0.746=149（高）。

（2）填充计算

步骤：
1. 计算缩放后图像与目标尺寸的差值（如高度差：224-149=75）。
2. 将差值均分到两侧（如上下各填充37或38像素）。
公式：
python

height_padding = target_height - scaled_height
top_pad = height_padding // 2
bottom_pad = height_padding - top_pad

（3）填充颜色选择

常见选项：
- 黑色/白色：简单且不影响主体内容。
- 均值填充：用图像像素均值填充，减少边缘突兀感。
- 随机填充：数据增强时使用，增加模型泛化性。

4. 代码示例（Python + OpenCV）

python

import cv2
import numpy as np

def resize_and_pad(image, target_shape, padding_color=(0, 0, 0)):
    """
    保持宽高比填充图像至目标尺寸
    :param image: 输入图像
    :param target_shape: (height, width)
    :param padding_color: 填充颜色 (B, G, R)
    :return: 填充后的图像
    """
    orig_height, orig_width = image.shape[:2]
    target_height, target_width = target_shape

    # 计算缩放比例
    scale = min(target_height / orig_height, target_width / orig_width)
    scaled_width = int(orig_width * scale)
    scaled_height = int(orig_height * scale)

    # 缩放图像
    resized = cv2.resize(image, (scaled_width, scaled_height), interpolation=cv2.INTER_LINEAR)

    # 计算填充
    width_pad = target_width - scaled_width
    height_pad = target_height - scaled_height
    left_pad = width_pad // 2
    right_pad = width_pad - left_pad
    top_pad = height_pad // 2
    bottom_pad = height_pad - top_pad

    # 填充图像
    padded = cv2.copyMakeBorder(resized, top_pad, bottom_pad, left_pad, right_pad, 
                               cv2.BORDER_CONSTANT, value=padding_color)
    return padded

# 示例使用
image = cv2.imread("input.jpg")  # 读取图像
padded_image = resize_and_pad(image, (224, 224))  # 填充至224x224
cv2.imwrite("output.jpg", padded_image)  # 保存结果