要调整数组的大小而不将其转换为图像，可以使用插值方法来实现。以下是一个示例代码，使用双线性插值法调整数组的大小：

import numpy as np
import cv2

def resize_array(array, new_size):
    # 获取原始数组的尺寸
    height, width = array.shape

    # 获取新尺寸
    new_height, new_width = new_size

    # 计算尺寸缩放比例
    scale_height = new_height / height
    scale_width = new_width / width

    # 创建新的调整尺寸后的数组
    new_array = np.zeros((new_height, new_width), dtype=array.dtype)

    # 遍历新数组的每个像素
    for y in range(new_height):
        for x in range(new_width):
            # 计算原始数组中的对应位置
            src_y = (y + 0.5) / scale_height - 0.5
            src_x = (x + 0.5) / scale_width - 0.5

            # 查找最近的四个像素位置
            src_y1 = int(np.floor(src_y))
            src_x1 = int(np.floor(src_x))
            src_y2 = min(src_y1 + 1, height - 1)
            src_x2 = min(src_x1 + 1, width - 1)

            # 计算插值权重
            w1 = (src_x2 - src_x) * (src_y2 - src_y)
            w2 = (src_x - src_x1) * (src_y2 - src_y)
            w3 = (src_x2 - src_x) * (src_y - src_y1)
            w4 = (src_x - src_x1) * (src_y - src_y1)

            # 根据插值权重计算新像素的值
            new_array[y, x] = w1 * array[src_y1, src_x1] + w2 * array[src_y1, src_x2] + \
                              w3 * array[src_y2, src_x1] + w4 * array[src_y2, src_x2]

    return new_array

# 示例用法
array = np.array([[1, 2, 3],
                  [4, 5, 6],
                  [7, 8, 9]])

new_array = resize_array(array, (6, 6))
print(new_array)

该代码使用双线性插值法调整输入数组的大小。首先计算了尺寸缩放比例，然后遍历新数组的每个像素位置，在原始数组中找到对应的最近四个像素位置，并计算插值权重。最后根据插值权重计算新像素的值，并返回调整后的数组。在示例中，将一个 3x3 的数组调整为 6x6 的大小。输出结果如下：

[[1.    1.375 1.75  2.125 2.5   2.875]
 [2.125 2.5   2.875 3.25  3.625 4.   ]
 [3.25  3.625 4.    4.375 4.75  5.125]
 [4.375 4.75  5.125 5.5   5.875 6.25 ]
 [5.5   5.875 6.25  6.625 7.    7.375]
 [6.625 7.    7.375 7.75  8.125 8.5  ]]

请注意，这只是一个示例代码，实际应用中可能需要对边界情况进行处理，以及使用其他插值方法等。