NumPy数组删除图像像素后reshape报形状不匹配错误排查

代码存在三处逻辑错误，最终导致数组元素总数和目标reshape形状不匹配：

• 展平索引计算错误：将形状为(H,W,C)的图像重塑为(H*W, C)的像素序列后，第i行第j列的像素在序列中的行索引应为i * W + j（W为原图像宽度），原代码写的x * y + y完全不符合内存映射规则，会选中大量错误位置。
• np.delete调用参数缺失：调用时未指定axis参数，函数默认会将输入数组完全展平为一维数组，再删除对应索引位置的单个数值元素，而非删除整组像素。
• 元素删除量级不符合预期：按需求需要删除H个像素（每个像素包含C个通道值，总计要删除H*C个元素），但原代码仅删除了H个单值元素。从报错数值反推：原图像尺寸为434行、640列、3通道，总元素数为434*640*3=833280，删除434个单值后剩余832846个元素，而目标形状(434,639,3)需要434*639*3=831978个元素，数量不匹配直接触发报错。

H, W, C = image.shape
# 重塑为像素序列，每行对应一个像素的全部通道值
image_flat = image.reshape(H * W, C)
row_idx = np.arange(H)
col_idx = np.array(seam)
# 计算待删除像素在展平序列中的正确索引
delete_pos = row_idx * W + col_idx
# 指定axis=0按行删除整组像素（同步删除该像素的所有通道值）
image_removed = np.delete(image_flat, delete_pos, axis=0)
# 重塑为宽度减1的目标图像形状
result = image_removed.reshape(H, W - 1, C)

修改后总删除元素数为H*C，剩余元素数为H*W*C - H*C = H*(W-1)*C，和目标形状的元素总数完全一致，可以正常完成重塑。

内容的提问来源于stack exchange，提问作者qkazoo