如何避免图像放大后关键点坐标偏移？

问题背景 #

源图像中的黄色区域四个角落有紫色关键点：

• 左上角：
• 右上角：
• 右下角：
• 左下角：

原始图像：

使用以下脚本将图像放大至968×712，同时对关键点坐标进行简单缩放：

import cv2
import numpy as np

src_image = cv2.imread("source_image.png")
src_height, src_width = src_image.shape[0:2]
target_width = 968
target_height = 712
target_image = cv2.resize(src_image, (target_width, target_height))
points = [[20, 11], [11, 147], [223, 168], [232, 32]]
for p in points:
    p[0] = round(p[0] * target_width / src_width)
    p[1] = round(p[1] * target_height / src_height)
points = np.array(points)
points = points.reshape((-1, 1, 2))
cv2.polylines(target_image, [points], True, (255, 0, 255), 1)
cv2.imwrite("resized_image.png", target_image)

预期与实际结果 #

• 预期：图像放大后，关键点仍贴合黄色区域角落
• 实际：所有关键点向左上角偏移，右下角点缩进至黄色区域内部：
  
  连接关键点后偏移更明显：
  

疑问 #

1. 偏移的原因是什么？（源图像边长为偶数，缩放因子为整数，排除取整问题）
2. 如何修正，让关键点保持在黄色区域角落？

问题分析与解决 #

偏移原因 #

OpenCV的cv2.resize函数默认采用像素中心对齐的映射逻辑，而手动计算坐标时用的是像素左上角对齐的缩放方式，两者基准点不一致导致偏移：

• 手动计算逻辑：dst_x = src_x * scale_x，这里的src_x是像素左上角的x坐标
• OpenCV resize映射逻辑：dst_x = (src_x + 0.5) * scale_x - 0.5，它以像素中心为基准计算目标位置，再反推最终的像素坐标

即使缩放因子是整数，这种基准点的差异也会导致边缘位置的坐标出现明显偏移。

解决方法 #

调整坐标计算逻辑，匹配OpenCV的resize映射规则，修改坐标计算部分的代码即可：

import cv2
import numpy as np

src_image = cv2.imread("source_image.png")
src_height, src_width = src_image.shape[0:2]
target_width = 968
target_height = 712

# 计算缩放因子
scale_x = target_width / src_width
scale_y = target_height / src_height

target_image = cv2.resize(src_image, (target_width, target_height))
points = [[20, 11], [11, 147], [223, 168], [232, 32]]

# 按OpenCV的像素中心对齐逻辑计算坐标
for p in points:
    p[0] = round((p[0] + 0.5) * scale_x - 0.5)
    p[1] = round((p[1] + 0.5) * scale_y - 0.5)

points = np.array(points)
points = points.reshape((-1, 1, 2))
cv2.polylines(target_image, [points], True, (255, 0, 255), 1)
cv2.imwrite("resized_image.png", target_image)

该方法适配OpenCV所有插值方式，能确保缩放后的关键点精准贴合黄色区域角落。

内容的提问来源于stack exchange，提问作者SagRU