如何自动处理尺寸不匹配时Numpy数组的图像复制边界问题？

我尝试用常规Numpy语法将小图像数组粘贴到大图像数组中：

import numpy as np
import matplotlib.pyplot as plt

large_im = np.linspace(0,1,20)[:,None]*np.ones([1,20])
small_im = np.linspace(1,0,10)[None,:]*np.ones([10,1])

a0,b0 = 5,5
large_im[a0:a0+small_im.shape[0],b0:b0+small_im.shape[1]] = small_im

plt.figure()
plt.imshow(large_im)

（典型情况：小图像完整粘贴在大图像中央，显示正常渐变效果）

多数情况下该方法可行，但当粘贴位置导致小图像部分超出大图像范围时（如下列示例）：

a0,b0 = 15,15
large_im[a0:a0+small_im.shape[0],b0:b0+small_im.shape[1]] = small_im

或：

a0,b0 = -5,-5
large_im[a0:a0+small_im.shape[0],b0:b0+small_im.shape[1]] = small_im

（边界情况：小图像部分超出大图像范围，此时直接赋值会因索引尺寸不匹配抛出ValueError）

目前我需手动编写大量代码检查并裁剪尺寸以适配，请问是否存在可自动完成此操作的Numpy函数？

Numpy本身没有专门的“自动粘贴并处理边界”的函数，但可以通过计算有效重叠区域的方式，用几行代码实现自动适配，无需大量手动判断：

方法1：计算有效切片范围（推荐） #

核心思路是分别计算大数组和小数组在两个轴上的有效索引范围，只对重叠区域进行赋值：

import numpy as np

def paste_into_large(large_arr, small_arr, pos):
    a0, b0 = pos
    # 获取数组尺寸
    large_h, large_w = large_arr.shape
    small_h, small_w = small_arr.shape
    
    # 计算大数组上的有效切片范围（限制在0到数组边界内）
    large_a_start = max(a0, 0)
    large_a_end = min(a0 + small_h, large_h)
    large_b_start = max(b0, 0)
    large_b_end = min(b0 + small_w, large_w)
    
    # 计算小数组上对应的有效切片范围
    small_a_start = max(-a0, 0)
    small_a_end = small_h - max(a0 + small_h - large_h, 0)
    small_b_start = max(-b0, 0)
    small_b_end = small_w - max(b0 + small_w - large_w, 0)
    
    # 仅当存在重叠区域时赋值
    if large_a_start < large_a_end and large_b_start < large_b_end:
        large_arr[large_a_start:large_a_end, large_b_start:large_b_end] = small_arr[small_a_start:small_a_end, small_b_start:small_b_end]
    return large_arr

# 测试示例
large_im = np.linspace(0,1,20)[:,None]*np.ones([1,20])
small_im = np.linspace(1,0,10)[None,:]*np.ones([10,1])

# 测试边界位置
paste_into_large(large_im, small_im, (15,15))
paste_into_large(large_im, small_im, (-5,-5))

方法2：借助numpy.pad临时扩展大数组 #

如果希望超出部分被截断，也可以先将大数组用边缘值（或其他填充方式）扩展，粘贴后再裁剪回原尺寸，适合需要临时扩展场景：

def paste_with_pad(large_arr, small_arr, pos):
    a0, b0 = pos
    large_h, large_w = large_arr.shape
    small_h, small_w = small_arr.shape
    
    # 计算需要填充的上下左右尺寸
    pad_top = max(-a0, 0)
    pad_bottom = max(a0 + small_h - large_h, 0)
    pad_left = max(-b0, 0)
    pad_right = max(b0 + small_w - large_w, 0)
    
    # 填充大数组（mode可选：'edge'、'constant'、'reflect'等）
    padded_large = np.pad(large_arr, ((pad_top, pad_bottom), (pad_left, pad_right)), mode='edge')
    
    # 计算填充后数组的粘贴位置
    paste_a = a0 + pad_top
    paste_b = b0 + pad_left
    
    # 执行赋值
    padded_large[paste_a:paste_a+small_h, paste_b:paste_b+small_w] = small_arr
    
    # 裁剪回原大数组尺寸
    large_arr[:] = padded_large[pad_top:pad_top+large_h, pad_left:pad_left+large_w]
    return large_arr

补充：使用Scipy现成工具 #

如果可以引入Scipy库，scipy.ndimage模块中的相关函数（如结合shift与赋值）也能简化操作，但如果仅依赖Numpy，方法1是最直接高效的方案。

内容的提问来源于stack exchange，提问作者jadsq