Python中实现两幅图像目标像素位置与间距精准匹配的图像缩放需求

你之前调整尺寸和DPI没用的原因是：DPI是打印时的物理分辨率参数，和图像的像素尺寸无关，单纯改尺寸是盲目的，必须基于目标的实际像素距离计算精准缩放比例。

核心步骤 #

1. 获取目标像素坐标
   • 分别在两幅图中标记对应目标的像素坐标，比如找到图1中"J"的坐标(x1_j, y1_j)和"27"的坐标(x1_27, y1_27)，图2中对应目标的坐标(x2_j, y2_j)和(x2_27, y2_27)。
   • 可以用Windows画图工具（鼠标悬停显示坐标）、matplotlib的ginput()交互式获取，或者专业图像标注工具。
2. 计算目标像素距离
   用欧氏距离公式计算两幅图中目标的像素距离：

   import math
   
   # 图1的目标距离
   d1 = math.sqrt((x1_27 - x1_j)**2 + (y1_27 - y1_j)**2)
   # 图2的目标距离
   d2 = math.sqrt((x2_27 - x2_j)**2 + (y2_27 - y2_j)**2)
   

3. 计算缩放比例
   假设以图1为基准，将图2缩放至目标距离一致，缩放比例为：

   scale = d1 / d2
   

   如果要以图2为基准，比例则为scale = d2 / d1。
4. 执行图像缩放
   用Python的Pillow或OpenCV库完成缩放，选择合适的插值方法避免失真：

方案1：用Pillow实现 #

from PIL import Image

# 打开图像
img1 = Image.open("image1.png")
img2 = Image.open("image2.png")

# 计算缩放后的尺寸
new_width = int(img2.width * scale)
new_height = int(img2.height * scale)

# 缩放图像（LANCZOS插值适合缩小/放大，画质最优）
scaled_img2 = img2.resize((new_width, new_height), Image.Resampling.LANCZOS)

# 保存结果
scaled_img2.save("scaled_image2.png")

方案2：用OpenCV实现 #

import cv2

# 读取图像
img1 = cv2.imread("image1.png")
img2 = cv2.imread("image2.png")

# 缩放图像（INTER_LANCZOS4插值对应Pillow的LANCZOS）
scaled_img2 = cv2.resize(img2, None, fx=scale, fy=scale, interpolation=cv2.INTER_LANCZOS4)

# 保存结果
cv2.imwrite("scaled_image2.png", scaled_img2)

验证方法 #

缩放后重新标记目标坐标，计算像素距离，确认两幅图中"J"到"27"的距离一致即可。如果有多个目标，建议取多个目标的平均比例来提升精度。

内容的提问来源于stack exchange，提问作者254Hasan