解决ValueError：无法将(1985,2257)数组广播至(3024,4032)的问题

错误的核心原因是输入数组与目标数组的宽高尺寸完全不匹配：你加载的.npy数据单通道尺寸为(1985,2257)，但要赋值的Img_example1尺寸是(3024,4032)，numpy无法自动广播这种差异巨大的形状，因此触发报错。

以下是几种可行的解决方法：

1. 缩放输入数组至目标尺寸 #

通过图像库将每个通道的数组缩放为目标尺寸，再赋值给Img_example1。

用PIL/Pillow实现： #

import numpy as np
from PIL import Image

# 加载.npy数据（shape: (3, 1985, 2257)）
npy_data = np.load("your_file.npy")
# 初始化目标数组，假设为HWC格式（(高, 宽, 通道)）
Img_example1 = np.zeros((3024, 4032, 3), dtype=npy_data.dtype)

for channel_idx in range(3):
    # 将单通道数组转为PIL图像
    channel_img = Image.fromarray(npy_data[channel_idx])
    # 缩放至目标尺寸（PIL的resize参数为(宽, 高)）
    resized_img = channel_img.resize((4032, 3024))
    # 转回numpy数组并赋值到对应通道
    Img_example1[:, :, channel_idx] = np.array(resized_img)

用OpenCV实现： #

import numpy as np
import cv2

npy_data = np.load("your_file.npy")
Img_example1 = np.zeros((3024, 4032, 3), dtype=npy_data.dtype)

for channel_idx in range(3):
    # cv2.resize参数为(目标宽, 目标高)
    resized_channel = cv2.resize(npy_data[channel_idx], (4032, 3024))
    Img_example1[:, :, channel_idx] = resized_channel

注意：如果Img_example1是CHW格式（(3, 3024, 4032)），需调整赋值时的维度索引，比如Img_example1[channel_idx, :, :] = resized_channel。

2. 调整目标数组尺寸匹配输入数据 #

如果Img_example1不需要固定为(3024, 4032)，可以直接初始化其形状与输入数据一致：

# 若目标为CHW格式
Img_example1 = np.zeros_like(npy_data)
# 若目标为HWC格式
Img_example1 = np.zeros_like(npy_data.transpose(1, 2, 0))

3. 确认维度顺序是否正确 #

加载的.npy数据是CHW格式（(通道, 高, 宽)），而很多图像操作默认使用HWC格式（(高, 宽, 通道)）。如果Img_example1是HWC格式，赋值时需确保维度对应，避免通道与宽高索引混淆。

内容的提问来源于stack exchange，提问作者Asifuzzaman Jishan