简单来理解的话
size表示尺寸
shape代表形状
那么resize表示重绘大小，reshape表示重绘形状
既然重绘大小，那么size就会变化，其像素数量就会发生变化；
重绘形状，则是像素数量不变，只改变其外形。
那么通过，代码简单看一下吧
img=cv2.imread('lena.png')#256,256,3
###Resize
img_Resize=cv2.resize(img,(500,500))
#resize是作用于单个通道的，因此，缩放时，根据原图像的通道进行操作。
###Reshape
img_Reshape=img.reshape(128,512,3)
#img.reshape((128,512,3))
#img.reshape([128,512,3])
#img.reshape(128,384)
#总之是保证数量与原数量相同，怎么排列不关心。
这里需要注意的是，reshape是直接针对img进行操作，而resize，需要通过cv2的库进行操作，如果直接img.resize的话，则会报错，如果添加了refcheck和order参数，那么也得不到正确的图像结果。（从目前我的了解应该是不可以，有知道的大神可以说一下哦）
如果想直接使用img.resize，其实是可以调用PIL库的，PIL中提供的resize方法可以以不同的插值方法进行处理
Image.resize(size, resample=0)其中：
resample表示改变图像过程用的插值方法。0：双线性插值。1：最邻近插值。2：双三次插值法。3：面积插值法。
仔细研究过resize方法过后，发现resize可以不同的方式进行缩放，同时，支持不同的插值方法，
除了上述通过（width,height）直接指定缩放大小外，还可以通过fx? fy来设置其缩放倍数，此时size可置为0，如下
# x方向放大2倍；y方向放大2倍
cv2.resize(img,None,fx=2,fy=2)同时，可以通过Interpolation参数来指定其插值方式，该参数为cv2的枚举值，取值范围为0-7(8中），除常用的最邻近插值（INTER_NEAREST）、双线性插值（INTER_LINEAR）外，还有INTER_CUBIC? (三次样条插值)、INTER_AREA??(区域插值)等。
| 方法 | 效果 |
?INTER_NEAREST（最近邻插值） | 由于是以最近的点作为新的插入点，因此边缘不会出现缓慢的渐慢过度区域，这也导致放大的图像容易出现锯齿的现象 |
?INTER_CUBIC? (三次样条插值) | 可以有效避免出现锯齿的现象 |
INTER_LINEAR(线性插值) | 可以有效避免出现锯齿的现象 |
?INTER_AREA??(区域插值) | 共分三种情况，图像放大时类似于双线性插值，图像缩小(x轴、y轴同时缩小)又分两种情况，此情况下可以避免波纹出现。因此对图像进行缩小时，为了避免出现波纹现象，推荐采用区域插值方法。 |
而且，官方文档给出了如下定义：
To shrink an image, it will generally look best with #INTER_AREA interpolation, whereas to enlarge an image, it will generally look best with #INTER_CUBIC (slow) or #INTER_LINEAR (faster but still looks OK).
? ? 如果要缩小图像，通常推荐使用INTER_AREA插值效果最好，而要放大图像，通常使用INTER_CUBIC(速度较慢，但效果最好)，或者使用INTER_LINEAR(速度较快，效果还可以)。
结论：
速度比较：INTER_NEAREST（最近邻插值)>INTER_LINEAR(线性插值)>INTER_CUBIC(三次样条插值)>INTER_AREA ?(区域插值)
OpenCV推荐：如果要缩小图像，为了避免出现波纹现象，通常推荐使用#INTER_AREA插值效果最好，而要放大图像，通常使用INTER_CUBIC(速度较慢，但效果最好)，或者使用INTER_LINEAR(速度较快，效果还可以)。至于最近邻插值INTER_NEAREST，一般不推荐使用。
最后，贴出方法的官方定义，以及Interpolation的解释。
?
?
有需要的，源地址自取：