我注意到 scipy.ndimage.zoom 的结果取决于原始图像的大小。在以下代码示例中，生成棋盘图像，然后使用 ndimage.zoom 进行缩放。如果一个棋盘图块只有 2x2 像素，则缩放系数似乎太大，并且生成的图像会被裁剪。相反，如果图块的尺寸为 10x10，则结果看起来不错。
from __future__ import division
import numpy as np
from scipy import ndimage, misc
import wx
y,x = 2,2 # change tile size here
imgdata = np.zeros((y,x),dtype='uint8')
imgdata[y/2:,x/2:] = 255
imgdata[:y/2,:x/2] = 255
imgdata = np.tile(imgdata,(4,4))
imgdata = np.array((imgdata,imgdata,imgdata))
d,y,x = imgdata.shape
zoom = 200.0/y
w, h = int(x*zoom), int(y*zoom)
app = wx.App(None)
zoomed = np.ascontiguousarray(ndimage.interpolation.zoom(imgdata,[1,zoom, zoom],order=0).transpose((1,2,0)), dtype='uint8')
image = wx.ImageFromBuffer(w, h, zoomed)
image.SaveFile('zoomed.png',wx.BITMAP_TYPE_PNG)
02x02 tile: 
10x10 tile: 
据了解，我一直在使用 scipy.misc.imresize，它没有显示此行为，但我想避免对 PIL 的额外依赖。
我做错了什么还是这是变焦中的错误？
自从您发布问题以来已经有一段时间了...如果您仍然感兴趣，我遇到了类似的问题并使用了以下内容：
import skimage
data_new = skimage.transform.resize(data_old, [new_shape_x, new_shape_z], order = 0)
确保设置 order = 0，因为默认值为 order = 1，这将导致值之间进行一阶样条插值（这会导致图块在其边界处模糊）。
无论如何，我不知道这是否是一个好方法，但它对我有用。我无法回答这是否是一个错误，因为我真的对编程了解不够，无法回答这个问题。此外，我还尝试使用 scipy.ndimage.interpolation.zoom 函数，但是图块的边界不在应有的位置，就像您的情况一样。因此我使用了skimage。
如果您对上下文感兴趣：我研究断裂力学，需要创建平滑变化的随机强度分布。因此，我创建了一个结合了正弦函数和余弦函数的曲面，该曲面在 x 和 z 方向上具有一定数量的周期。然后我取该表面的绝对值并将其与不规则的棋盘状表面相乘。棋盘状表面上每个方向上的瓷砖数量必须与相应强度变化表面上的周期数/2 相匹配。最终表面计算如下（分段加法和乘法）：
strength_surface[i,j] = strength_mean[i,j] + random_grid[i,j] * strength_variation[i,j]
其中 random_grid 必须调整大小以匹配其他表面的形状。