如何确定给定坐标所属的图像n等分矩形区域？

最优整数运算方案（无浮点误差、高性能） #

直接使用整数乘法+整数除法计算坐标，完全规避浮点运算的精度问题，同时保证O(1)的计算效率，是规则网格划分场景的标准解决方案。

核心思路：无需预先计算单个网格的宽高，通过(坐标 × 划分份数) // 图像尺寸的整数除法（自动向下取整）直接得到网格偏移坐标。

Go语言实现代码 #

import "math"

// GetGridCoord 返回坐标(x,y)所属网格的偏移坐标{xCoord, yCoord}，范围为[0, n-1]
func GetGridCoord(x, y, imgWidth, imgHeight, n int) (int, int) {
    xCoord := (x * n) / imgWidth
    yCoord := (y * n) / imgHeight

    // 极端边界值保险处理（实际计算中几乎不会触发）
    xCoord = int(math.Max(0, math.Min(float64(xCoord), float64(n-1))))
    yCoord = int(math.Max(0, math.Min(float64(yCoord), float64(n-1))))

    return xCoord, yCoord
}

// GetGridIndex 返回坐标(x,y)所属网格的线性索引，范围为[0, n²-1]
func GetGridIndex(x, y, imgWidth, imgHeight, n int) int {
    xCoord, yCoord := GetGridCoord(x, y, imgWidth, imgHeight, n)
    return yCoord*n + xCoord
}

方案优势 #

1. 无精度误差：全程整数运算，不存在浮点表示或计算带来的精度丢失问题。比如320×240图像、n=6的场景：
   • x=319时，(319×6)/320 = 1914/320 = 5（整数除法自动向下取整），正确得到x方向偏移5
   • 彻底避免了整数存储网格宽高导致的溢出问题（比如之前用320/6=53，319/53=6超出范围的错误）
2. 极致高效：仅需两次乘除运算，性能远高于浮点运算、预存网格或空间索引方案
3. 通用性强：适用于所有整数坐标的图像场景，无论图像尺寸是否能被n整除

关于浮点误差的顾虑 #

你的顾虑是合理的：小尺寸图像场景下浮点运算可能得到正确结果，但当图像尺寸超出float64的精确整数表示范围（比如大于2^53）时，会出现精度丢失导致计算错误；此外，浮点除法的舍入误差也可能在极端边界值上引发错误，因此整数方案是更可靠的选择。

高精度类型的必要性 #

完全不需要使用Decimal、Rational这类高精度类型。这类类型会引入巨大的性能开销，而整数运算方案已经完美解决了精度和效率问题，属于过度设计。

其他方案的问题 #

• 预存所有矩形：需要O(n²)的内存空间，当n较大时（比如n=1000），内存占用会急剧膨胀；查询时还需要额外的遍历或二分查找操作，效率远低于直接计算。
• R树索引：R树适用于不规则空间区域的索引，对于规则网格这种高度结构化的场景来说完全冗余，实现复杂且性能不如O(1)的直接计算。

内容的提问来源于stack exchange，提问作者Daniel Chávez