使用Scipy与PIL进行最近邻图像缩放时结果异常

嘿，我懂你遇到的麻烦了——想用Scipy和PIL的最近邻插值把小图像放大成像素化的大版本，结果没得到预期的效果对吧？咱们先拆解问题，再给出靠谱的解决办法。

问题根源 #

首先得指出两个关键问题：

• Scipy的scipy.misc.imresize已经彻底过时了：这个函数在Scipy 1.0之后就被标记为弃用，后续版本直接移除了。它的内部实现和你预期的「每个像素重复N次」的像素化放大逻辑可能不一致，这是你用Scipy得到错误结果的核心原因。
• 潜在的尺寸参数混淆风险：Numpy数组的形状是(高度, 宽度)，而PIL的resize方法参数是(宽度, 高度)。你这里处理的是正方形图像，所以传入(9,9)没问题，但如果是矩形图，这个顺序搞反就会直接导致缩放结果变形。

正确的实现方式 #

方式1：用PIL精准实现像素化放大 #

其实PIL的Image.NEAREST本身就能达到你要的效果，只要确保尺寸参数对应正确。另外也可以用Numpy手动重复像素，逻辑更直观，结果也完全一致：

import numpy as np
from PIL import Image

# 原始3x3小图像
img = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]], dtype=np.uint8)
scale_factor = 3  # 放大倍数

# 方法A：用Numpy手动重复像素（最直观的像素化逻辑）
# 先按行重复每个像素scale_factor次，再按列重复每一行scale_factor次
img_scaled_np = np.repeat(np.repeat(img, scale_factor, axis=1), scale_factor, axis=0)

# 方法B：用PIL的resize方法（确保尺寸参数是(宽度*倍数, 高度*倍数)）
img_pil = Image.fromarray(img)
img_scaled_pil = np.array(
    img_pil.resize(
        (img.shape[1]*scale_factor, img.shape[0]*scale_factor), 
        Image.NEAREST
    )
)

# 打印结果验证
print("Numpy手动放大结果：")
print(img_scaled_np)
print("\nPIL放大结果：")
print(img_scaled_pil)

运行后你会看到，两种方法都能得到预期的像素化效果——每个原始像素被扩展成3x3的相同像素块。

方式2：用Scikit-image替代过时的Scipy方法 #

如果习惯用类似Scipy的API，可以用skimage.transform.resize，指定order=0（对应最近邻插值），同时开启preserve_range=True保持原始像素值不变：

import numpy as np
from skimage.transform import resize

img = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]], dtype=np.uint8)
scale_factor = 3
target_shape = (img.shape[0]*scale_factor, img.shape[1]*scale_factor)

# 最近邻插值缩放，保持像素值范围
img_scaled_skimage = resize(
    img, 
    target_shape, 
    order=0, 
    preserve_range=True
).astype(np.uint8)

print("Scikit-image放大结果：")
print(img_scaled_skimage)

这个结果和前面两种方法完全一致，而且是当前推荐的科学计算图像缩放方式。

为什么你的原始代码会出问题？ #

• 对于Scipy部分：因为imresize已被弃用，它的插值逻辑可能和你要的「纯像素复制」有差异，比如旧版本可能会对像素值做不必要的调整，或者尺寸解析逻辑有bug。
• 对于PIL部分：如果你的结果不对，大概率是版本问题（比如非常旧的PIL版本对单通道灰度图的处理有问题），或者你在后续处理中误改了结果。正常情况下，你给出的PIL代码应该能输出正确的像素化图像。

内容的提问来源于stack exchange，提问作者dorverbin