重采样是调整图像大小的常用方法，常常用于图像缩放、旋转、平移等操作，本文将详细讲解如何对代表图像的NumPy数组进行重采样操作。
1.导入所需库
在进行重采样之前，需要导入NumPy和OpenCV库
import numpy as np
import cv2
2.读取图像
可以使用OpenCV中的imread函数读取图像，并将其转换为NumPy数组
img = cv2.imread('test.jpg')
3.图像重采样
OpenCV提供了resize函数用于图像重采样操作。其中src参数表示输入图像，dsize参数是指定输出图像大小，interpolation参数则是指定插值方法。
resized_img = cv2.resize(img, (400, 400), interpolation=cv2.INTER_AREA)
上述代码将输入图像img重采样为大小为400×400的图像 resized_img。
除了cv2.INTER_AREA之外，OpenCV还提供了其他几种插值方法：
cv2.INTER_NEAREST：最近邻插值法，速度最快，但重采样后的图像质量较差cv2.INTER_LINEAR：线性插值法，速度较快，但可能会在图像中引入伪影或失真cv2.INTER_CUBIC：3次样条插值法，速度较慢，但可以得到更平滑的图像，并能够保留更多细节信息cv2.INTER_LANCZOS4：Lanczos插值法，速度最慢，但可以得到更高质量的图像
这里给出两个示例：
示例一：将图像缩小一半
resized_img = cv2.resize(img, (0, 0), fx=0.5, fy=0.5, interpolation=cv2.INTER_AREA)
fx=0.5和fy=0.5表示在水平和垂直方向上都缩小一半，即将原图像尺寸的宽和高分别除以2
示例二：将图像放大2倍
resized_img = cv2.resize(img, (0, 0), fx=2, fy=2, interpolation=cv2.INTER_CUBIC)
-
fx=2和fy=2表示在水平和垂直方向上都扩大2倍，即将原图像尺寸的宽和高分别乘以2 -
interpolation=cv2.INTER_CUBIC表示采用3次样条插值法进行重采样，以保留更多细节信息。
4.保存图像
使用OpenCV中的imwrite函数将重采样后的图像保存为文件。
cv2.imwrite('resized_test.jpg', resized_img)
上述代码将重采样后的图像resized_img保存为resized_test.jpg文件。
完整代码示例：
import numpy as np
import cv2
img = cv2.imread('test.jpg')
resized_img = cv2.resize(img, (400, 400), interpolation=cv2.INTER_AREA)
cv2.imwrite('resized_test.jpg', resized_img)
上述代码将读取名为test.jpg的图像，将其大小调整为400×400，然后保存为resized_test.jpg文件。