如何调整NumPy数组维度 解决图像数组reshape形状不匹配报错

报错根因 #

reshape 方法只能在数组总元素数不变的前提下调整维度结构，你遇到报错的核心原因是两组形状的元素总数不匹配：

• 原数组总元素数：10 * 1134 * 1135 = 12870900
• 目标形状总元素数：10 * 1134 * 1134 = 12859560
  两者相差11340个元素，不可能通过reshape直接转换。

可用实现方案 #

方案1：边缘裁剪（图像场景优先选用） #

原数组仅比目标多最后一个维度的1个元素，对应图像的最后一列像素，直接裁剪即可，代码最简单：

import numpy as np
# 替换为你的原数组变量名
new_arr = old_arr[:, :, :-1]
# 验证输出形状
print(new_arr.shape)

如果冗余像素在开头位置，把切片改为[:, :, 1:]即可。

方案2：插值压缩（无信息丢失） #

如果需要保留全图所有区域的信息，可通过线性插值将1135个像素压缩为1134个，推荐用OpenCV实现效率更高：

import cv2
import numpy as np

new_arr = np.zeros((10, 1134, 1134), dtype=old_arr.dtype)
for idx in range(10):
    # cv2.resize的尺寸参数顺序为（宽，高），对应数组最后两个维度
    new_arr[idx] = cv2.resize(old_arr[idx], (1134, 1134), interpolation=cv2.INTER_LINEAR)

方案3：数值合并（非图像的普通数组适用） #

如果数组为普通数值数组没有图像语义，可以将最后一个维度的最后两个元素取均值合并，减少一个长度：

new_arr = np.concatenate([
    old_arr[:, :, :-2],
    old_arr[:, :, -2:].mean(axis=2, keepdims=True)
], axis=2)

内容的提问来源于stack exchange，提问作者user123