如何将图像目标2D坐标转换以匹配cv2.INTER_LINEAR双线性插值缩放？

你的问题出在混淆了像素索引坐标和像素中心坐标的区别。OpenCV的cv2.resize（双线性插值）是基于像素中心进行采样映射的，所以要得到原像素中心在缩放后图像中的位置，需要先把像素索引转换为中心坐标再缩放，而不是直接对索引做缩放。

正确转换步骤 #

对于原图像中像素的索引坐标(y, x)（y是行索引，x是列索引，对应你数组中的[y, x]）：

1. 先将索引转换为像素中心坐标：(y + 0.5, x + 0.5)（每个像素是1×1的方块，索引是左上角位置，中心就是索引加0.5）
2. 对中心坐标应用缩放因子：
   • 缩放后的行方向中心坐标：(y + 0.5) * Sy
   • 缩放后的列方向中心坐标：(x + 0.5) * Sx

用你的测试案例验证 #

原坐标数组：

import numpy as np
orig_coords = np.array([[0., 0.],
                        [0., 9.],
                        [9., 0.],
                        [9., 9.]])
Sx = 7.7
Sy = 5.5

计算缩放后的中心坐标：

scaled_coords = np.copy(orig_coords)
# 处理行方向（数组第一列）
scaled_coords[:, 0] = (orig_coords[:, 0] + 0.5) * Sy
# 处理列方向（数组第二列）
scaled_coords[:, 1] = (orig_coords[:, 1] + 0.5) * Sx

得到结果：

array([[ 2.75,  3.85],
       [ 2.75, 73.15],
       [52.25,  3.85],
       [52.25, 73.15]])

其中右下角的(52.25, 73.15)完全符合你的预期。

为什么你的原方法不对 #

你之前的平移中心缩放逻辑，是把像素索引当作了像素中心的坐标来计算，相当于假设原像素索引0的中心在0位置，这和实际的像素中心定义不符，所以得到的结果会偏移。只有基于索引+0.5的中心坐标缩放，才符合OpenCV双线性插值的映射逻辑。

内容的提问来源于stack exchange，提问作者topcat