cv::resize 默认不保持宽高比，直接指定尺寸会导致变形；需手动计算等比目标尺寸；下采样推荐 INTER_AREA 插值；注意数据类型和内存连续性；批量处理宜用多线程分片。
cv::resize 会改变图像宽高比吗？
默认不会，但取决于你传的参数。OpenCV 的 cv::resize 默认按指定尺寸拉伸，不保持原始宽高比——这恰恰是多数人踩坑的第一步。
- 如果直接传
cv::Size(320, 240)，不管原图是 1920×1080 还是 4000×3000，都会硬缩成 320×240，图像明显变形 - 想保持宽高比，得自己算目标尺寸：先确定目标宽度或高度（比如最大边 ≤ 640），再按比例算另一个维度，最后用
cv::resize缩放 - 别依赖
fx/fy参数自动缩放——它们只是等比缩放系数，但若原图分辨率奇偶混杂（如 1237×891），缩放后仍可能因插值导致轻微失真
哪种插值方式适合压缩后做 OCR 或人脸识别？
选 cv::INTER_AREA（区域插值）最稳妥，尤其对下采样（缩小）场景。
-
cv::INTER_NEAREST：快但块状感强，文字边缘锯齿严重，OCR 容易漏字 -
cv::INTER_LINEAR：默认值，适合中等缩放，但对小图（如缩到 128×128）容易模糊细节 -
cv::INTER_AREA：专为下采样优化，能更好保留边缘对比度，实测在身份证、车牌等文字密集图上识别率更高 -
cv::INTER_CUBIC：适合上采样（放大），下采样反而过平滑，不推荐
缩放后图像质量突然变差，是不是内存没释放？
不是内存问题，大概率是数据类型溢出或通道顺序搞错。
- 读入的
cv::Mat若为CV_8UC3（BGR），缩放后仍保持该类型；但如果中间做了归一化（如除以 255.0），又没转回CV_8U就保存，结果会是全黑或灰片 - 调用
cv::imwrite前务必检查：mat.type() == CV_8UC3或CV_8UC1，否则 OpenCV 可能静默失败或写入损坏文件 - 别在 resize 后直接用
mat.data做 memcpy——cv::Mat内存不一定连续，要用mat.isContinuous()判断，或统一用mat.clone()确保安全
批量压缩图片时 CPU 占用飙升，能并行吗？
可以，但 OpenCV 自带的多线程（如 cv::setNumThreads）对单张 resize 加速有限，真正有效的是手动分发任务。
立即学习“C++免费学习笔记（深入）”；
-
cv::setNumThreads(0)表示让 OpenCV 自动决定线程数，但实际对 resize 这类轻量操作意义不大 - 更实用的是用 std::thread 或 OpenMP 把图片列表切块，每线程处理一批：
std::vector<:mat>分段传入，各自调用cv::resize - 注意：
cv::Mat对象本身可拷贝（浅拷贝），但真正分配内存的是.clone()；多线程里别共享同一cv::Mat实例去读写，否则可能崩溃
