Keras load_img target_size与PIL resize输出结果不一致问题

两者逻辑看似一致，实际上调用的底层缩放规则有两个关键差异，在目标尺寸极小（3*3）的场景下差异会被放得很大：

• 默认重采样（插值）算法完全不同
  手动调用PIL图像的resize()方法时，新版Pillow默认使用双线性插值，缩放时会对采样点周边的像素做加权平均计算，同时大幅缩小图像时默认开启抗锯齿预滤波，输出是平滑处理后的像素值。
  而load_img传入target_size触发内部缩放时，默认使用最近邻插值，直接取距离采样点最近的原图像素作为结果，不做加权平滑、默认也不开抗锯齿。当原图分辨率很高、直接缩到3*3这种极小尺寸时，两种算法的采样点取值偏差会非常明显。
• 尺寸参数的语义顺序不一致
  PIL原生resize()接收的尺寸参数格式是(width, height)（宽在前、高在后），但Keras的load_img的target_size参数要求的格式是(height, width)（高在前、宽在后）。虽然你传入的(3,3)宽高数值相等，不会出现图像拉伸，但Keras内部会做尺寸顺序的转换，极小尺寸缩放下采样点坐标计算会和直接传同数值给PIL原生resize出现偏移，进一步拉大结果差异。

复现验证方法：给两段代码指定完全一致的插值规则、对齐尺寸顺序即可得到相同输出。比如第一段代码手动指定image = image.resize((target_size[1], target_size[0]), resample=Image.NEAREST)，或者第二段代码调用load_img时传入interpolation='bilinear'参数，两边输出的numpy数组就会完全匹配。

内容的提问来源于stack exchange，提问作者Ansh