如何让OpenCV的resize与Matlab/Octave的imresize结果一致？

你遇到的问题其实非常普遍，Matlab的imresize和OpenCV的resize在双线性插值的逻辑上有两个关键差异，导致放大结果不匹配：一个是像素坐标的定义方式，另一个是目标像素到原图的映射规则。你已经注意到尺寸的问题，但仅仅对齐尺寸还不够，核心是要模拟Matlab的插值逻辑。

先明确差异根源 #

1. 像素坐标体系不同

   • Matlab把每个像素视为中心对齐：原图像中(x,y)位置的像素，其中心坐标是(x+0.5, y+0.5)（0索引），目标图像的每个像素会基于这个中心位置反向映射回原图。
   • OpenCV默认是左上角对齐：像素(x,y)的左上角坐标是(x,y)，映射时直接用目标像素的索引除以缩放因子，没有考虑中心偏移，这会导致整个结果的偏移和数值差异。

2. 目标尺寸的计算
   Matlab的imresize(a, 1.3)对于5x5的输入，会生成7x7的输出（ceil(5*1.3)=7），你在代码中用ceil(scale*5)指定尺寸是对的，但坐标映射不对，所以结果还是不匹配。

解决方案：手动实现Matlab风格的双线性插值 #

因为OpenCV没有直接的参数可以切换到Matlab的坐标模式，最可靠的方法是自己实现符合imresize逻辑的插值函数。下面是针对你的场景的C++实现：

#include <opencv2/opencv.hpp>
#include <cmath>

// 模拟Matlab imresize(..., 'bilinear')的放大逻辑
cv::Mat imresize_matlab(const cv::Mat& src, double scale) {
    int src_h = src.rows;
    int src_w = src.cols;
    // 和Matlab保持一致的目标尺寸计算
    int dst_h = static_cast<int>(std::ceil(src_h * scale));
    int dst_w = static_cast<int>(std::ceil(src_w * scale));
    cv::Mat dst(dst_h, dst_w, src.type());

    for (int dst_y = 0; dst_y < dst_h; ++dst_y) {
        for (int dst_x = 0; dst_x < dst_w; ++dst_x) {
            // Matlab的坐标映射：目标像素中心 -> 原图像素中心
            double src_y = (dst_y + 0.5) / scale - 0.5;
            double src_x = (dst_x + 0.5) / scale - 0.5;

            // 获取周围四个像素的坐标（边界处理：超出范围时取边缘像素）
            int y0 = std::max(0, std::min(src_h - 1, static_cast<int>(std::floor(src_y))));
            int y1 = std::max(0, std::min(src_h - 1, y0 + 1));
            int x0 = std::max(0, std::min(src_w - 1, static_cast<int>(std::floor(src_x))));
            int x1 = std::max(0, std::min(src_w - 1, x0 + 1));

            // 计算双线性插值的权重
            double dy = src_y - y0;
            double dx = src_x - x0;

            // 双线性插值计算
            double pixel_val = (1 - dx) * (1 - dy) * src.at<double>(y0, x0) +
                               dx * (1 - dy) * src.at<double>(y0, x1) +
                               (1 - dx) * dy * src.at<double>(y1, x0) +
                               dx * dy * src.at<double>(y1, x1);

            dst.at<double>(dst_y, dst_x) = pixel_val;
        }
    }

    return dst;
}

// 测试用例
int main() {
    cv::Mat a = (cv::Mat_<double>(5, 5) << 
        0.7430835, 0.2263354, 0.8372651, 0.4305077, 0.0060997,
        0.1850839, 0.4359681, 0.6224524, 0.3951009, 0.3335419,
        0.5295836, 0.0202813, 0.8555994, 0.3494351, 0.6370482,
        0.3154180, 0.4335316, 0.6281235, 0.3844186, 0.9898034,
        0.9576555, 0.0212430, 0.3106115, 0.2677145, 0.1495867);

    cv::Mat result = imresize_matlab(a, 1.3);

    // 打印结果对比
    std::cout << "匹配Matlab的输出结果:\n";
    for (int i = 0; i < result.rows; ++i) {
        for (int j = 0; j < result.cols; ++j) {
            printf("%.7f ", result.at<double>(i, j));
        }
        std::cout << "\n";
    }

    return 0;
}

为什么这个实现能匹配？ #

• 严格遵循Matlab的像素中心映射逻辑，目标像素的中心坐标先转换为原图的中心坐标，再进行插值。
• 边界处理和Matlab保持一致：当映射坐标超出原图范围时，直接取边缘像素的值，避免出现越界错误。
• 双线性插值的计算方式和Matlab完全一致，保证数值精度匹配。

如果你不想自己实现全量的插值函数，也可以尝试对原图进行0.5像素的偏移预处理后再用OpenCV的resize，但这种方法在边界处理上容易出现偏差，所以更推荐上面的手动实现方案。

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