Python中最快imresize函数选型咨询及浮点输出需求说明

Hey there! 针对你提到的scipy.misc.imresize的两个痛点——只能输出整数矩阵、运行速度偏慢，下面是几个速度更快且支持浮点输出的替代方案，按性能从优到劣排序：

• OpenCV的cv2.resize
  这绝对是目前速度最快的选项，底层基于优化过的C++实现，处理大图像的优势特别明显。它直接支持输出浮点型数组（通过指定dtype参数），而且提供了多种插值算法可选（比如双线性、双三次、最近邻等）。示例代码：

  import cv2
  import numpy as np
  
  # 假设img是输入的图像数组（整数或浮点型都可以）
  resized_img = cv2.resize(
      img, 
      (new_width, new_height), 
      interpolation=cv2.INTER_LINEAR,  # 可替换为其他插值方式
      dtype=np.float32  # 指定输出为浮点型
  )
  

  小提醒：OpenCV默认颜色通道是BGR，如果处理的是RGB图像，需要先转换通道顺序，但单纯的数值插值不受这个影响，速度优势依然拉满。

• Pillow的Image.resize + 浮点数组转换
  Pillow的resize API简洁易用，速度虽然比OpenCV稍慢，但比scipy的旧函数快不少。要得到浮点输出，只需要把resize后的PIL图像转换为numpy浮点数组即可：

  from PIL import Image
  import numpy as np
  
  # 从numpy数组创建PIL图像
  img_pil = Image.fromarray(img)
  # 执行resize，指定插值算法
  resized_pil = img_pil.resize(
      (new_width, new_height), 
      resample=Image.Resampling.BILINEAR  # 新版本Pillow用这个枚举值
  )
  # 转换为浮点型numpy数组
  resized_img = np.array(resized_pil, dtype=np.float32)
  

  如果你用的是旧版Pillow，resample参数可以用Image.BILINEAR这类常量，效果是一样的。

• 额外提一下：scipy官方推荐的替代，但速度一般
  scipy.misc.imresize其实已经被废弃了，官方推荐用skimage.transform.resize，它支持浮点输出，但速度比前面两个选项慢很多，适合对速度要求不高但需要和科学计算流程衔接的场景，这里就不优先推荐了。

总结下来，**OpenCV的cv2.resize**是完全满足你需求的最快选择，其次是Pillow。如果你的项目还没引入OpenCV，只需要简单安装pip install opencv-python就能用啦。

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