使用cv2.resize缩放图像出现顶部行伪影，如何解决？

以下是几种可行的解决方案，按优先级尝试：

1. 统一图像读取与处理库 #

混用PIL和OpenCV可能因通道顺序（RGB vs BGR）或数据处理逻辑差异产生隐性问题，尝试全程用同一库处理：

方案A：全程使用PIL #

from PIL import Image

img = Image.open('image.png')
# 新版PIL用Resampling.LANCZOS，旧版直接用Image.LANCZOS
res = img.resize((256, 256), Image.Resampling.LANCZOS)
res.save('resized_image.png')

方案B：全程使用OpenCV #

import cv2

# 读取时保留所有通道（包括Alpha通道）
img = cv2.imread('image.png', cv2.IMREAD_UNCHANGED)
res = cv2.resize(img, dsize=(256, 256), interpolation=cv2.INTER_LANCZOS4)
cv2.imwrite('resized_image.png', res)

2. 针对RGBA图像的通道单独处理 #

如果你的PNG包含Alpha通道，OpenCV批量resize时可能对Alpha通道处理异常，可拆分通道单独处理后合并：

import cv2
import numpy as np

img = cv2.imread('image.png', cv2.IMREAD_UNCHANGED)
if img.shape[2] == 4:  # 确认是RGBA格式
    b, g, r, a = cv2.split(img)
    # 分别对每个通道执行resize
    b_res = cv2.resize(b, (256, 256), cv2.INTER_LANCZOS4)
    g_res = cv2.resize(g, (256, 256), cv2.INTER_LANCZOS4)
    r_res = cv2.resize(r, (256, 256), cv2.INTER_LANCZOS4)
    a_res = cv2.resize(a, (256, 256), cv2.INTER_LANCZOS4)
    res = cv2.merge((b_res, g_res, r_res, a_res))
else:
    res = cv2.resize(img, (256, 256), cv2.INTER_LANCZOS4)
cv2.imwrite('resized_image.png', res)

3. 验证原图像完整性 #

伪影可能源自原图像顶部行本身的异常，可先检查像素值：

import numpy as np
from PIL import Image

img = np.array(Image.open('image.png'))
print("原图像顶部10行像素统计：")
print(f"最小值：{img[:10].min()}，最大值：{img[:10].max()}，平均值：{img[:10].mean()}")

如果输出结果显示顶部行像素值明显异常，需先修复原图像再进行下采样。

4. 裁剪边缘后再resize #

若伪影是边缘采样算法导致的边界问题，可先裁剪掉顶部1-2行再执行resize：

import cv2

img = cv2.imread('image.png', cv2.IMREAD_UNCHANGED)
# 裁剪掉顶部2行
cropped_img = img[2:, :]
res = cv2.resize(cropped_img, (256, 256), cv2.INTER_LANCZOS4)
cv2.imwrite('resized_image.png', res)

内容的提问来源于stack exchange，提问作者dalsee