如何用OpenCV(CV2)与Python实现视频帧的平滑缩放效果？

针对你遇到的整数坐标截断导致长时长图片缩放卡顿的问题，以下几种方法可以实现基于浮点坐标的精确平滑缩放：

方法1：使用透视变换（cv2.warpPerspective） #

透视变换支持直接传入浮点坐标定义的区域，能精确控制每帧的裁剪偏移，避免整数截断带来的卡顿。核心思路是用浮点坐标标记原始图像中需要缩放的区域，再通过透视变换映射到目标视频帧尺寸。

import cv2
import numpy as np

def smooth_zoom(image, target_w, target_h, scale_factor, dx, dy):
    h, w = image.shape[:2]
    # 计算缩放后区域的浮点坐标范围
    crop_w = w / scale_factor
    crop_h = h / scale_factor
    # 定义原始图像中裁剪区域的四个浮点角点
    src_points = np.array([
        [dx, dy],
        [dx + crop_w, dy],
        [dx + crop_w, dy + crop_h],
        [dx, dy + crop_h]
    ], dtype=np.float32)
    # 定义目标帧的四个角点
    dst_points = np.array([
        [0, 0],
        [target_w, 0],
        [target_w, target_h],
        [0, target_h]
    ], dtype=np.float32)
    # 生成透视变换矩阵
    M = cv2.getPerspectiveTransform(src_points, dst_points)
    # 应用变换得到缩放后的帧
    return cv2.warpPerspective(image, M, (target_w, target_h), flags=cv2.INTER_LINEAR)

使用时，每帧只需微调dx、dy（浮点值）和scale_factor，就能实现完全平滑的缩放动画，不会出现连续多帧画面无变化的情况。

方法2：先缩放再做浮点平移（cv2.warpAffine） #

如果只需要中心或固定方向的缩放，可以先将图像放大到目标缩放比例，再通过浮点平移矩阵逐帧微调画面位置，最后裁剪到视频帧尺寸。

def smooth_zoom_alt(image, target_w, target_h, scale_factor, dx, dy):
    # 先将图像放大到目标缩放比例
    scaled_w = int(image.shape[1] * scale_factor)
    scaled_h = int(image.shape[0] * scale_factor)
    scaled_image = cv2.resize(image, (scaled_w, scaled_h), interpolation=cv2.INTER_LINEAR)
    # 构造浮点平移矩阵
    M = np.array([[1, 0, dx], [0, 1, dy]], dtype=np.float32)
    # 平移后裁剪到视频帧尺寸
    return cv2.warpAffine(scaled_image, M, (target_w, target_h), flags=cv2.INTER_LINEAR)

这种方法逻辑更直观，适合简单的缩放动画，同样能避免整数坐标截断的问题。

方法3：使用remap函数实现像素级精确映射 #

通过cv2.remap可以手动计算每个目标像素对应的原始图像浮点坐标，实现最精细的缩放控制，完全杜绝卡顿。

def smooth_zoom_remap(image, target_w, target_h, scale_factor, dx, dy):
    h, w = image.shape[:2]
    # 创建目标帧的坐标网格
    x_grid, y_grid = np.meshgrid(np.arange(target_w), np.arange(target_h))
    # 计算每个目标像素对应的原始图像浮点坐标
    src_x = (x_grid / target_w) * (w / scale_factor) + dx
    src_y = (y_grid / target_h) * (h / scale_factor) + dy
    # 确保坐标在原始图像范围内
    src_x = np.clip(src_x, 0, w - 1e-6)
    src_y = np.clip(src_y, 0, h - 1e-6)
    # 应用像素映射
    return cv2.remap(image, src_x.astype(np.float32), src_y.astype(np.float32), interpolation=cv2.INTER_LINEAR)

这个方法灵活性最高，适合复杂的缩放路径动画，但计算量略高于前两种方法。

内容的提问来源于stack exchange，提问作者kaushal