如何使用Python及OpenCV等库缩小白底线条机械图纸尺寸且画质损失小

针对你提到的深色线条、高占比白色背景的机械图纸场景，确实有成熟的算法可以实现低损失缩小，核心是选择适配二值/近二值线条图像的插值方式，具体方案如下：

最优算法选择 #

• 优先选用OpenCV的区域插值（cv2.INTER_AREA）：该插值方式会统计源图像对应区域的所有像素均值生成目标像素，是高分辨率转低分辨率场景的首选，对于白色背景+深色细线条的图纸，能最大程度避免普通插值带来的线条断裂、发虚问题。
• 如果原图本身是仅黑白两色的二值图纸，可以在缩放后增加一步阈值二值化处理，完全消除缩放产生的灰色过渡边，保证线条锐利度。

可直接运行的代码示例 #

import cv2

# 灰度模式读取图纸，减少冗余计算，若有彩色标注可改为cv2.IMREAD_COLOR
src = cv2.imread("输入图纸路径.jpg", cv2.IMREAD_GRAYSCALE)
src_h, src_w = src.shape[:2]
target_side = 1000

# 计算等比缩放尺寸，避免强制1000×1000导致的画面拉伸
scale = min(target_side / src_h, target_side / src_w)
dst_size = (int(src_w * scale), int(src_h * scale))

# 用INTER_AREA插值完成缩放
resized = cv2.resize(src, dst_size, interpolation=cv2.INTER_AREA)

# 二值图纸可选：阈值处理消除模糊灰边，阈值可根据实际亮度调整
_, resized_binary = cv2.threshold(resized, 245, 255, cv2.THRESH_BINARY)

# 保存结果
cv2.imwrite("缩小后图纸.png", resized_binary)

其他可选方案 #

如果对线条锐利度有更高要求，也可以使用PIL库的LANCZOS插值：

from PIL import Image, ImageResampling

with Image.open("输入图纸路径.jpg") as img:
    # 等比计算尺寸逻辑同上
    img.thumbnail(dst_size, ImageResampling.LANCZOS)
    img.save("缩小后图纸.png")

内容的提问来源于stack exchange，提问作者LJ_x