如何保持原形状缩放3D numpy数组？求替代裁剪/补零方案

是否存在优于裁剪/零填充的方案？ #

目前没有比裁剪或零填充更直接的方案——scipy.ndimage.zoom会严格按照缩放因子计算输出形状，要强制匹配原尺寸，只能通过截断超出部分或补充缺失部分来实现。相对而言，中间裁剪（缩放因子大于1时）和对称零填充（缩放因子小于1时）是比较合理的选择，它们能尽量保留缩放后数据的核心区域，同时保持中心对齐，减少信息偏移。

缩放因子>1时的中间裁剪实现（以缩放因子2为例） #

当缩放因子为2时，原形状(240,240,155)会被放大到(480,480,310)，我们只需要从放大后的数组中心裁剪出原尺寸即可：

import numpy as np
from scipy.ndimage import zoom

# 替换为你的实际3D数组
original_arr = np.random.rand(240, 240, 155)
zoom_factor = 2

# 执行缩放（order控制插值精度，3为双三次插值，可按需调整）
zoomed_arr = zoom(original_arr, zoom_factor, order=3)

# 计算每个维度的裁剪起始/结束索引
orig_shape = original_arr.shape
zoom_shape = zoomed_arr.shape
start_idx = [(z_dim - o_dim) // 2 for z_dim, o_dim in zip(zoom_shape, orig_shape)]
end_idx = [s + o for s, o in zip(start_idx, orig_shape)]

# 中心裁剪回原尺寸
cropped_arr = zoomed_arr[start_idx[0]:end_idx[0],
                         start_idx[1]:end_idx[1],
                         start_idx[2]:end_idx[2]]

# 验证结果形状
print(cropped_arr.shape)  # 输出 (240, 240, 155)

缩放因子<1时的零填充实现（以缩放因子0.5为例） #

当缩放因子为0.5时，原数组会缩小到(120,120,77)，我们需要创建一个和原尺寸相同的零数组，把缩小后的数组放到中心位置：

import numpy as np
from scipy.ndimage import zoom

# 替换为你的实际3D数组
original_arr = np.random.rand(240, 240, 155)
zoom_factor = 0.5

# 执行缩放
zoomed_arr = zoom(original_arr, zoom_factor, order=3)

# 计算每个维度的填充量（前后/左右/上下对称填充，剩余1个像素补在末尾）
orig_shape = original_arr.shape
zoom_shape = zoomed_arr.shape
pad_config = []
for o_dim, z_dim in zip(orig_shape, zoom_shape):
    total_pad = o_dim - z_dim
    pad_front = total_pad // 2
    pad_back = total_pad - pad_front
    pad_config.append((pad_front, pad_back))

# 零填充并居中
padded_arr = np.pad(zoomed_arr, pad_config, mode='constant', constant_values=0)

# 验证结果形状
print(padded_arr.shape)  # 输出 (240, 240, 155)

内容的提问来源于stack exchange，提问作者Janikas