使用SciPy缩放图像时出现尺寸错误的问题排查

问题产生的原因 #

1. 浮点精度+取整逻辑的双重问题
   计算缩放后尺寸h * zoom_factor时，部分特殊缩放因子会因浮点数二进制存储的精度缺陷，导致计算结果和理论值出现微小偏差。比如理论值为374.59的结果，实际可能算出374.4999999999999，用np.round()会舍成374，比预期小1。如果这种偏差出现在多次缩放的累积过程中，或是代码误将乘法写成除法（比如h / zoom_factor），就可能算出接近0的数值，int()强制转换后得到0，而图像库不允许0尺寸，直接输出1x1的图像。
2. 取整函数的适配性不足
   • np.round()的四舍五入在临界值附近易受浮点精度影响，导致尺寸偏小；
   • np.ceil()是向上取整，但如果本身计算逻辑错误（比如搞反缩放方向），再怎么取整也无法解决异常尺寸问题。

可行的解决方法 #

• 加微小偏移修正精度误差
  在计算结果后添加极小偏移量（比如1e-8），再用np.round()取整，避免临界值附近的误判：

  target_h = int(np.round(h * zoom_factor + 1e-8))
  target_w = int(np.round(w * zoom_factor + 1e-8))
  

• 用np.rint()替代np.round()
np.rint()对浮点精度问题的处理更稳定，能更准确地四舍五入到最近整数：

  target_h = int(np.rint(h * zoom_factor))
  

• 强制设置尺寸下限
  计算完尺寸后，添加判断确保结果不小于2（避免出现1x1的无效图像）：

  target_h = max(int(np.round(h * zoom_factor)), 2)
  target_w = max(int(np.round(w * zoom_factor)), 2)
  

• 优先排查代码逻辑
  像你遇到的331x331图像用1.1317放大却得到1像素的情况，大概率是代码里的缩放方向搞反了（比如把乘法写成除法），先检查计算式是否正确，这比换取整函数更关键。

内容的提问来源于stack exchange，提问作者Alena