以下是一个使用OpenCV库进行并行图像调整大小的示例代码：

import cv2
import numpy as np
from multiprocessing import Pool

def resize_image(input_path, output_path, scale_factor):
    img = cv2.imread(input_path)
    new_width = int(img.shape[1] * scale_factor)
    new_height = int(img.shape[0] * scale_factor)
    resized_img = cv2.resize(img, (new_width, new_height))
    cv2.imwrite(output_path, resized_img)

def parallel_resize(input_paths, output_paths, scale_factor):
    # 创建进程池
    pool = Pool()

    # 使用进程池并行调用resize_image函数
    for input_path, output_path in zip(input_paths, output_paths):
        pool.apply_async(resize_image, args=(input_path, output_path, scale_factor))

    # 等待所有进程完成
    pool.close()
    pool.join()

if __name__ == '__main__':
    # 输入图像路径列表
    input_paths = ['image1.jpg', 'image2.jpg', 'image3.jpg']
    # 输出图像路径列表
    output_paths = ['resized_image1.jpg', 'resized_image2.jpg', 'resized_image3.jpg']
    # 缩放因子
    scale_factor = 0.5

    # 并行调整大小
    parallel_resize(input_paths, output_paths, scale_factor)

上述代码使用了multiprocessing模块中的Pool类来创建进程池，并使用apply_async方法并行地调用resize_image函数来处理每张图片。最后，使用close和join方法等待所有进程完成。

请注意，此代码示例仅展示了如何使用进程池进行并行图像调整大小，实际应用中还需要根据具体需求进行适当的优化和错误处理。