如何将YoloV3检测得到的200*200边界框图像调整为368*368尺寸

以下是工业界常用的几类实现方法，可根据后续模型的特性按需选择：

1 直接强制缩放 #

• 实现逻辑最简单，运算速度最快，直接调用resize方法将200200的图像强制拉伸为368368的目标尺寸
• 缺点是会改变目标宽高比，导致行人形变，可能降低后续模型的识别精度
• 参考代码：resized_img = cv2.resize(crop_img, (368, 368), interpolation=cv2.INTER_CUBIC)

插值方法可按需调整：放大场景优先用INTER_CUBIC/INTER_LINEAR保证画质，追求极致速度可换用INTER_NEAREST

2 保持宽高比+边缘填充 #

• 目前最通用的预处理方案，完全不会改变原图的内容比例，避免行人形变
• 操作逻辑：先将原图等比放大到长边等于368，再对短边两侧填充像素至368*368；填充值可选择128（中性灰）、原图边缘均值，也可以用黑色（0），降低填充区域对模型的干扰
• 参考代码：

import cv2
h, w = crop_img.shape[:2]
# 计算等比缩放系数
scale = 368 / max(h, w)
new_h, new_w = int(h * scale), int(w * scale)
scaled_img = cv2.resize(crop_img, (new_w, new_h), interpolation=cv2.INTER_CUBIC)
# 计算上下、左右的填充边距
pad_top = (368 - new_h) // 2
pad_bottom = 368 - new_h - pad_top
pad_left = (368 - new_w) // 2
pad_right = 368 - new_w - pad_left
# 填充得到目标尺寸图像
resized_img = cv2.copyMakeBorder(scaled_img, pad_top, pad_bottom, pad_left, pad_right, cv2.BORDER_CONSTANT, value=(128, 128, 128))

• 缺点是会引入无关的填充区域，需要后续模型对填充内容有一定鲁棒性

3 放大后中心裁剪 #

如果后续模型对图像边缘信息不敏感，可以选择该方案，既不会引入填充像素，也不会产生整体形变

• 操作逻辑：先将200200的原图放大到略大于368368的尺寸，再裁剪出中心368*368的区域作为输入
• 缺点是会丢失原图边缘的少量内容
• 参考代码：

scaled_large = cv2.resize(crop_img, (370, 370), interpolation=cv2.INTER_CUBIC)
resized_img = scaled_large[1:369, 1:369]

内容的提问来源于stack exchange，提问作者user102789