函数功能

resize函数用于改变图像的尺寸，可以放大或缩小图像。通过指定目标大小或缩放因子，用户可以灵活调整图像的宽度和高度。Torchvision支持多种插值方法，本文档针对bilinear和bicubic两种插值方式进行优化，保证图像在缩放过程中尽可能保持质量。

函数接口

torchvision.transforms.resize(size, interpolation=InterpolationMode.BILINEAR，max_size=None, antialias=True)

参数

参数名	描述	取值范围	输入/输出
size	序列或int型数字，表征输出图像的大小（宽度和高度），如(width, height)。如果设置为int型数，则表征图像较小边缘的大小。	(0, INT_MAX]	输入
interpolation	插值方式，默认为BILINEAR。支持InterpolationMode.NEAREST、InterpolationMode.NEAREST_EXACT、InterpolationMode.BILINEAR和InterpolationMode.BICUBIC四种，本文档对InterpolationMode.BILINEAR和InterpolationMode.BICUBIC两种方法进行优化。	InterpolationMode.BILINEAR、InterpolationMode.BICUBIC	输入
max_size	可选值，调整大小的图像的较长边所允许的最大值，当size输入为int时，若图像长边大于max_size，则根据max_size调整大小。	(0, INT_MAX]	输入
antialias	可选值，对PIL图像作用，对tensor无影响，默认为True。	bool	输入

返回值

成功：返回KP_PT_STS_NO_ERR。
失败：返回错误码。

错误码

错误码	描述
KP_PT_STS_NULL_PTR_ERR	指针内存分配错误。

示例

import numpy as np
import torch
from torchvision import transforms
# 定义源数据
src = np.array([[1, 0, 0, 0, 0],
               [0, 1, 1, 1, 0],
               [0, 1, 0, 1, 0],
               [0, 1, 1, 1, 0],
               [1, 0, 0, 0, 0]], dtype=np.float32)
# 将NumPy数组转换为Tensor，并添加通道信息
src_tensor = torch.from_numpy(src).unsqueeze(0).unsqueeze(0)
# 定义目标尺寸
size = (4, 4)
# 创建图像尺寸调整转换
resize = transforms.Resize(size)
# 应用图像尺寸调整转换
resized_src_tensor = resize(src_tensor)
#显示矩阵
print(resized_src_tensor)

运行结果：

tensor([[[[0.6250, 0.2500, 0.2500, 0.0625],
          [0.2500, 0.8264, 0.8264, 0.2500],
          [0.2500, 0.8264, 0.8264, 0.2500],
          [0.6250, 0.2500, 0.2500, 0.0625]]]])