如何使用Python(scikit、numpy、PIL)实现图像6倍缩放？

原有代码报错原因排查 #

• 变量名未定义：代码中读取的图像存储在img变量中，但调用transform.rescale时传入的是未声明的crop变量，这是导致运行失败的核心问题，和scale参数改6没有直接关联
• 像素格式问题：skimage.transform.rescale默认输出float64格式的像素数组，直接保存会出现范围不匹配问题，高倍率缩放时该问题更容易触发
• 抗锯齿参数缺失：高倍率上采样时如果不设置抗锯齿参数，部分版本的skimage会抛出警告甚至异常

修复后的skimage实现代码 #

from skimage.io import imread, imsave
from skimage import transform
from skimage import img_as_ubyte

img = imread('C:/abc.png')
# 6倍缩放，指定抗锯齿和多通道处理参数
image_res = transform.rescale(img, scale=6, anti_aliasing=True, channel_axis=-1)
# 转为8位无符号整数格式再保存
imsave('image_res.png', img_as_ubyte(image_res))

其他可选实现方案 #

1. OpenCV实现（运行效率最高） #

适合处理大尺寸图像，放大时可选择更优质的插值算法：

import cv2

img = cv2.imread('C:/abc.png', cv2.IMREAD_UNCHANGED)
h, w = img.shape[:2]
# 用LANCZOS4插值做高倍率放大，画质更好
image_res = cv2.resize(img, (w*6, h*6), interpolation=cv2.INTER_LANCZOS4)
cv2.imwrite('image_res.png', image_res)

2. Pillow实现（依赖最轻，使用简便） #

from PIL import Image

img = Image.open('C:/abc.png')
w, h = img.size
# LANCZOS插值适配高倍率放大
image_res = img.resize((w*6, h*6), Image.Resampling.LANCZOS)
image_res.save('image_res.png')

3. 超分辨率放大（避免插值模糊） #

如果需要放大后仍保持清晰纹理，可以用预训练的超分辨率模型（如ESPCN、RealESRGAN）替代普通插值，输出画质远高于传统插值方法。

内容的提问来源于stack exchange，提问作者user15761564