scipy.misc.imresize已弃用，替换为skimage.transform.resize却结果不一致

我懂你碰到的这个坑——scipy.misc.imresize被官方标了弃用，转用skimage.transform.resize后却发现输出结果对不上，其实核心是两者在数据类型、数值范围和默认插值逻辑上有本质区别，下面给你拆解清楚并给出对齐结果的方案：

为什么结果不一样？ #

• 数值范围与类型差异：

  • scipy.misc.imresize处理后直接输出np.uint8类型的数组，像素值范围是[0, 255]，和原始图像的格式一致
  • skimage.transform.resize默认会把像素值归一化到[0, 1]，输出np.float64类型的浮点数组，这是最直观的差异来源

• 默认插值方式不同：

  • scipy.misc.imresize默认用**双线性（bilinear）**插值
  • skimage.transform.resize默认用**双二次（biquadratic）**插值，这会导致像素细节上的细微差异

让skimage输出和scipy一致的代码 #

要完全对齐两者的结果，只需要做两个关键调整：

1. 把skimage输出的归一化浮点值转回[0,255]的uint8类型
2. 指定和scipy默认一致的插值方式

直接看完整示例代码：

import numpy as np
from skimage.transform import resize
from imageio import imread

img = imread('1.jpg')
target_size = (1280, 1280)

# 生成和scipy.misc.imresize完全对齐的结果
img_aligned = (resize(img, target_size, order=1) * 255).astype(np.uint8)

代码说明： #

• order=1：skimage里order=1对应双线性插值，和scipy.misc.imresize的默认interp='bilinear'完全匹配
• 乘以255再转uint8：将skimage的归一化浮点值映射回scipy使用的0-255整数范围

不管你的图像是RGB彩色图、灰度图还是带alpha通道的图，这个逻辑都能直接套用，skimage会自动处理多通道的情况。

内容的提问来源于stack exchange，提问作者Panfeng Li