将同样的一张图(101*156)，采用两种不同的方式进行缩放填充，带来的像素差异：

1.先填充后缩放

def resize_1(img):

    height, width, channel = img.shape

    temp = np.zeros((height,height,3),np.uint8)

    start = (height -width) / 2

    temp[:,start:width+start,:] = img

    img1 = cv2.resize(temp,(300,300))

    cv2.imwrite('test_1.jpg',img1)

    return img1

2.先缩放后填充

def resize_1(img):

    height, width, channel = img.shape

    temp = np.zeros((height,height,3),np.uint8)

    start = (height -width) / 2

    temp[:,start:width+start,:] = img

    img1 = cv2.resize(temp,(300,300))

    cv2.imwrite('test_1.jpg',img1)

    return img1

opencv2默认采用的是INTER_LINEAR（双线性插值法）

3.对比两张图片的不同并且可视化

def compare(img1,img2,img3):

    count = 0

    height,width,channel = img1.shape

    for h in xrange(height):

        for w in xrange(width):

            if sum(img1[h][w]) != sum(img2[h][w]):

                print(img1[h][w])

                print(img2[h][w])

                count += 1

                img3[h][w] = [0,0,255]

                # pass

    print(count)

    cv2.imwrite('test.jpg',img3)

结果将会显示近一半的像素值不同.

为什么会产生这种原因呢？

主要是坐标的位置发生了变化，因为我们采用的opencv默认的是双线性插值：

　　SrcX=(dstX+0.5)* (srcWidth/dstWidth) -0.5

　　SrcY=(dstY+0.5) * (srcHeight/dstHeight)-0.5

则假设我们src图像为100*150，缩放到200*300，然后最终填充到300*300，

所以要找dst(0,30)对应的src坐标，（四舍五入）

　　srcx = 0.5 * 0.5 - 0.5 = 0

　　srcy = 30.5*0.5 -0.5 = 15

但是第一种扩大的方式找到的（0,15）是基于前面带有黑边的坐标，而第二种方式是没有带黑边的坐标，

由于坐标的偏移，最终导致了缩放最后肉眼看着没有什么区别，但是对于图像的像素来说已经有近一半的不同。