如何基于一维梯度形式的向量按单轴调整图像大小？Python实现列级图像缩放方案

这是个很有创意的需求！要实现按列独立缩放图像，首先得明确两种常见的理解方向，我会分别给出对应的Python实现方案，代码都加了详细注释，方便你调整：

这种方案下，每个列会根据对应因子垂直缩放，最终生成一个矩形图像，高度取所有列缩放后的最大高度，不足的部分用指定背景色填充（比如黑色）。

实现步骤 #

• 读取图像并转为NumPy数组，方便逐列操作
• 计算所有列缩放后的目标高度，确定最终图像的总高度
• 遍历每一列，对其进行垂直缩放
• 将缩放后的列放到最终图像的对应位置，空白处填充背景色

代码示例 #

import numpy as np
from PIL import Image

def scale_columns_vertical(source_path, scale_factors, bg_color=(0, 0, 0)):
    # 读取图像，转为RGB格式（灰度图会自动转为3通道）
    source_img = Image.open(source_path).convert("RGB")
    img_array = np.array(source_img)
    orig_h, orig_w, channels = img_array.shape
    
    # 校验缩放因子长度和图像宽度一致
    assert len(scale_factors) == orig_w, "缩放因子向量长度必须等于图像宽度"
    
    # 计算所有列的目标高度，确定最终图像的总高度
    target_heights = [int(round(orig_h * factor)) for factor in scale_factors]
    final_h = max(target_heights) if target_heights else 0
    if final_h == 0:
        return Image.new("RGB", (orig_w, 0))
    
    # 创建最终图像的数组，用背景色填充
    final_array = np.full((final_h, orig_w, channels), bg_color, dtype=np.uint8)
    
    for col_idx in range(orig_w):
        factor = scale_factors[col_idx]
        target_h = target_heights[col_idx]
        if target_h <= 0:
            continue  # 因子为0时跳过，保持背景色
        
        # 提取当前列
        col = img_array[:, col_idx, :]
        # 将列转为单通道图像（Hx1），方便缩放
        col_img = Image.fromarray(col)
        # 缩放列到目标高度，这里用LANCZOS插值（高质量缩放）
        scaled_col = col_img.resize((1, target_h), Image.Resampling.LANCZOS)
        scaled_col_array = np.array(scaled_col)
        
        # 将缩放后的列放到最终图像的顶部（也可以改为居中/底部对齐）
        final_array[:target_h, col_idx, :] = scaled_col_array.squeeze()
    
    # 转回PIL图像
    return Image.fromarray(final_array)

# 示例用法
if __name__ == "__main__":
    # 示例缩放因子：0、1、3重复，长度和图像宽度一致
    img_width = 300
    scale_factors = [0, 1, 3] * (img_width // 3)
    # 处理图像
    result_img = scale_columns_vertical("your_source_image.jpg", scale_factors)
    # 保存结果
    result_img.save("scaled_result.jpg")

这种方案下，每个列会被当作垂直条带，水平方向缩放（即调整条带的宽度），最终图像的高度和原图一致，总宽度为所有列缩放后的宽度之和。适合需要调整列宽度的场景。

实现步骤 #

• 读取图像并转为NumPy数组
• 遍历每一列，根据因子计算目标宽度，缩放列的宽度
• 将所有缩放后的列水平拼接，得到最终图像

代码示例 #

import numpy as np
from PIL import Image

def scale_columns_horizontal(source_path, scale_factors):
    source_img = Image.open(source_path).convert("RGB")
    img_array = np.array(source_img)
    orig_h, orig_w, channels = img_array.shape
    
    assert len(scale_factors) == orig_w, "缩放因子向量长度必须等于图像宽度"
    
    scaled_columns = []
    for col_idx in range(orig_w):
        factor = scale_factors[col_idx]
        target_w = int(round(factor))  # 浮点因子可以取整，也可以直接用浮点（但PIL resize需要整数）
        if target_w <= 0:
            continue
        
        # 提取当前列
        col = img_array[:, col_idx, :]
        # 将列转为Hx1的图像，缩放宽度到target_w
        col_img = Image.fromarray(col)
        scaled_col = col_img.resize((target_w, orig_h), Image.Resampling.LANCZOS)
        scaled_col_array = np.array(scaled_col)
        scaled_columns.append(scaled_col_array)
    
    # 水平拼接所有列
    if not scaled_columns:
        return Image.new("RGB", (0, orig_h))
    final_array = np.hstack(scaled_columns)
    return Image.fromarray(final_array)

# 示例用法
if __name__ == "__main__":
    img_width = 300
    scale_factors = [0, 1, 3] * (img_width // 3)
    result_img = scale_columns_horizontal("your_source_image.jpg", scale_factors)
    result_img.save("horizontal_scaled_result.jpg")

关键细节说明 #

• 插值方法：代码中用了Image.Resampling.LANCZOS，这是高质量的缩放插值方法，你可以换成Image.Resampling.NEAREST（最近邻，速度快但画质差）、Image.Resampling.BILINEAR（双线性）等，根据需求调整。
• 因子为0的情况：代码中直接跳过或保留背景色，你可以根据需求改为最小高度/宽度（比如1）。
• 对齐方式：方案1中默认顶部对齐，你可以修改代码实现居中或底部对齐，比如计算偏移量offset = (final_h - target_h) // 2，然后把缩放后的列放到final_array[offset:offset+target_h, col_idx, :]。

内容的提问来源于stack exchange，提问作者DuckQueen