這是文檔中的函數原型
cv2.resize(src, dsize[, dst[, fx[, fy[, interpolation]]]])
參數說明
src：要resize的原圖，應該是一個矩陣
dsize：希望得到圖像的shape，是一個tuple類型的數據，注意，這里是寬*高，而我們平常img.shpae得到都是高*寬
fx，fy 一般不會用到，所以我沒有去研究
interpolation： 插值方法（詳見下表,參考https://blog.csdn.net/JNingWei/article/details/78218837）
INTER_NEAREST 最近鄰插值 INTER_LINEAR 雙線性插值（默認設置） INTER_AREA 使用像素區域關系進行重采樣。 它可能是圖像抽取的首選方法，因為它會產生無雲紋理的結果。 但是當圖像縮放時，它類似於INTER_NEAREST方法。 INTER_CUBIC 4x4像素鄰域的雙三次插值 INTER_LANCZOS4 8x8像素鄰域的Lanczos插值
代碼示例：
import cv2
pic = cv2.imread('test.jpg')
pic = cv2.resize(pic, (64, 129), interpolation=cv2.INTER_LINEAR)
另外，一個小tips ，opencv 的imread 讀圖讀出來應該是 BGR 模式 如果需要保存應該轉成 RGB，下面這句代碼就可以了
img = img [:,:,::-1]
還有 注意 opencv 的resize 后矩陣的數據類型仍然應該是uint8，但是 在skimage.transform.resize() 里 返回的是 [0,1] 的矩陣，數據類型變味了 float 。
跑模型時，經常會遇到自己數據的size和原模型的size不一致，這時候可能需要自己resize，但尤其要注意：
原來imread讀出來的矩陣的數據類型是uint8，而resize后的數據類型是float，這是(0，1)范圍內的數，所以如果以后要轉回uint8的話肯定會丟失精度，所以我的做法是：
image = (resize(image, (128, 64)) * 255).astype(np.uint8)
強轉為uint8，這兩天看的Mask-Rcnn 讀入圖片也是這么處理的。
原文鏈接：https://blog.csdn.net/qq_37702890/article/details/97820312