Python/PyTorch下如何将不等尺寸图像调整为固定大小并保持宽高比

要在不拉伸变形的前提下输出严格固定尺寸的图像，核心逻辑是等比缩放+边缘填充（Letterbox）：先按比例缩放图像，让图像完整适配目标尺寸的边界，再把缩放后不足的边缘区域用固定颜色填充，最终输出严格符合要求的尺寸。你之前用的方法只做了缩放步骤，没有填充逻辑，自然没法在原图尺寸偏小/宽高比和目标不匹配时输出固定尺寸。

方案1：纯PIL实现（无深度学习框架依赖） #

这个方案兼容所有尺寸的输入，不管原图比目标尺寸大还是小都能正常输出，不会出现拉伸、尺寸不达标的问题：

from PIL import Image

def resize_keep_aspect(img, target_size=(128, 128), pad_color=(0, 0, 0)):
    origin_w, origin_h = img.size
    target_w, target_h = target_size
    # 取宽高缩放比的最小值，保证缩放后图像完全落在目标尺寸范围内
    scale_ratio = min(target_w / origin_w, target_h / origin_h)
    new_w = int(round(origin_w * scale_ratio))
    new_h = int(round(origin_h * scale_ratio))
    
    # 等比缩放，新版本PIL用LANCZOS替代旧的ANTIALIAS，缩放画质更好
    resized = img.resize((new_w, new_h), Image.Resampling.LANCZOS)
    
    # 新建目标尺寸的画布，填充指定底色
    canvas = Image.new(img.mode if img.mode in ("RGB", "L") else "RGB", target_size, pad_color)
    # 把缩放后的图像贴到画布居中位置
    offset_x = (target_w - new_w) // 2
    offset_y = (target_h - new_h) // 2
    canvas.paste(resized, (offset_x, offset_y))
    return canvas

使用时直接替换你之前调用的Image.resize()、Image.thumbnail()、ImageOps.contain()即可，输出永远是严格的128×128尺寸。填充颜色可以根据数据集调整，比如用数据集像素均值、常用的中性灰(114,114,114)，减少填充区域对模型的干扰。

方案2：PyTorch 生态实现 #

torchvision 官方已经内置了和上述逻辑完全一致的接口，不用重复造轮子，可以直接接入你现有的transforms流水线：

from torchvision import transforms
from torchvision.transforms import functional as F

# 自定义可复用的变换类
class ResizeKeepAspect(transforms.Resize):
    def forward(self, img):
        return F.resize_with_pad(
            img,
            size=self.size,
            interpolation=F.InterpolationMode.BILINEAR,
            fill=0, # 自定义填充颜色
            antialias=self.antialias
        )

# 接入数据预处理流水线
data_transform = transforms.Compose([
    ResizeKeepAspect((128, 128), antialias=True),
    transforms.ToTensor(),
    # 后续可以接归一化、增强等其他操作
])

之前方法失效的原因说明 #

• Image.thumbnail()是原地操作，只会对大于目标尺寸的图像做缩小，不会放大小于目标尺寸的图像，输出尺寸永远小于等于目标尺寸。
• ImageOps.contain()逻辑和thumbnail类似，仅保证图像不超出目标尺寸边界，不会做填充补边，自然没法输出严格固定的尺寸。
• 直接传入元组参数调用transforms.Resize((128,128))会强制将图像宽高直接拉伸到目标值，完全忽略原始宽高比，必然会导致图像变形。

如果是做目标检测、关键点检测这类需要映射原图坐标的任务，只需要在上述函数中把缩放比例、填充偏移量作为额外返回值输出，就可以直接用来还原坐标，逻辑完全通用。

内容的提问来源于stack exchange，提问作者Ammar Ul Hassan