4、图像缩放与插值：cv2.resize()的5种插值方法、YOLO输入尺寸640x640的秘密、保持宽高比的Letterbox技巧
好，咱们进入第四章。这一章我打算聊聊图像缩放，听起来很简单对吧？但这里面的门道，比你想象的多得多。
我记得刚入行那会儿，觉得 resize 不就是把图片变大变小嘛，有啥好研究的？直到有一次，我训练一个 YOLOv5 模型，怎么调参数精度都上不去。折腾了两天，最后发现是 resize 时用了默认的插值方法，把关键特征给"抹"掉了。嗯，从那以后，我再也不敢小看 cv2.resize() 了。
4.1 cv2.resize() 的5种插值方法
说白了，插值就是在像素之间"猜"出新的像素值。你想想看，一张 100x100 的图要变成 200x200，多出来的 30000 个像素从哪来？全靠插值算法去算。
OpenCV 给了我们 5 种选择，我一个个说：
| 插值方法 | 标志 | 特点 | 我的建议 |
|---|---|---|---|
| 最近邻插值 | INTER_NEAREST | 速度最快，但锯齿严重 | 只适合像素图或测试用 |
| 双线性插值 | INTER_LINEAR | 默认方法，速度与质量均衡 | 日常缩放首选 |
| 双三次插值 | INTER_CUBIC | 质量高，计算量大 | 放大图片时推荐 |
| 面积插值 | INTER_AREA | 缩小图片时效果最好 | 图像下采样专用 |
| Lanczos插值 | INTER_LANCZOS4 | 质量最高，速度最慢 | 对质量有极致要求时用 |
核心原则：
- 缩小图片 → 用 INTER_AREA
- 放大图片 → 用 INTER_CUBIC 或 INTER_LINEAR
- 追求速度 → 用 INTER_LINEAR
代码很简单，就一行：
resized = cv2.resize(img, (640, 640), interpolation=cv2.INTER_LINEAR)我个人习惯是：训练时用 INTER_AREA 缩小，推理时用 INTER_LINEAR。为什么？因为训练时缩小图片，面积插值能保留更多纹理信息，模型学得更扎实。
4.2 YOLO输入尺寸640x640的秘密
你有没有想过，为什么 YOLO 偏偏选 640x640？不是 512，也不是 800？
这里有个小秘密。YOLO 的 backbone 里有很多下采样层，每次下采样 2 倍。640 这个数字，连续除以 2 能得到整数：640 → 320 → 160 → 80 → 40 → 20。你看，每一步都是整数，不会出现 13.333 这种尴尬情况。
我在项目中遇到过一个问题：有次我图省事，把输入改成了 608x608。结果训练到一半报错，说特征图尺寸不匹配。查了半天才发现，608 除以 32 是 19，但网络设计时 stride 是 32，要求特征图尺寸必须是偶数。嗯，这就是 640 的巧妙之处——它保证了每个下采样阶段都能整除。
小技巧：YOLOv8 官方支持 320、416、512、640、768、896、1024 等尺寸。选尺寸时，确保它能被 32 整除。这是硬性要求。
4.3 保持宽高比的Letterbox技巧
直接 resize 到 640x640 会有什么问题？你想想看，一张 1920x1080 的宽屏图，硬拉成正方形，物体都变形了。YOLO 检测的是物体形状，变形后特征全乱了。
Letterbox 就是解决这个问题的。它的思路很简单：保持原图宽高比，四周用灰色填充，凑成正方形。
我手写了一个常用的 Letterbox 函数：
def letterbox(img, target_size=640):
h, w = img.shape[:2]
scale = min(target_size / w, target_size / h)
new_w, new_h = int(w * scale), int(h * scale)
# 先按比例缩放
resized = cv2.resize(img, (new_w, new_h), interpolation=cv2.INTER_LINEAR)
# 创建画布，填充灰色
canvas = np.full((target_size, target_size, 3), 114, dtype=np.uint8)
# 计算偏移量，居中放置
dw = (target_size - new_w) // 2
dh = (target_size - new_h) // 2
canvas[dh:dh+new_h, dw:dw+new_w] = resized
return canvas, scale, dw, dh注意最后返回了 scale、dw、dh 三个值。为什么？因为检测到的框坐标是在 640x640 上的，要映射回原图，必须知道缩放比例和偏移量。我曾经忘了这一步，结果画出来的框全偏了，排查了半天才发现是坐标没做逆变换。
避坑指南：
- 填充颜色用 114（灰色），不要用 0（黑色）。黑色填充会让模型学到"边缘有黑框"的假特征。
- 推理时一定要记录 scale 和 pad 值，否则坐标映射会出错。
- YOLOv8 内部已经实现了 Letterbox，但理解原理对调试很有帮助。
说到这，我想起一个真实案例。有次做工业检测，产品图片是 3024x4032 的，直接 resize 到 640x640，细小的划痕全被压没了。用了 Letterbox 后，虽然四周有灰边，但划痕的宽高比保住了，检测精度从 72% 直接跳到 91%。你看，有时候不是模型不行，是预处理没做到位。
最后总结一下：
- 缩放时选对插值方法，缩小用 INTER_AREA，放大用 INTER_CUBIC
- YOLO 输入尺寸选 640 或 32 的倍数
- 保持宽高比用 Letterbox，别直接拉伸
下一章咱们聊聊数据增强，那才是真正让模型"见多识广"的关键。先消化一下这章的内容，有问题随时交流。