如何从numpy二维数组的嵌套视图中提取对应原数组的坐标范围？

解答 #

首先明确两个前提结论：

1. 你示例中的median_filter返回的是全新数组，并非原数组A的视图，二者没有内存继承关系，所以无法直接从subview反推它在A中的坐标，这个是scipy滤波接口的特性导致的，和numpy本身的视图机制无关。
2. 如果你是处理纯切片生成、步长全为1的numpy视图，完全可以通过numpy内置属性计算出它在原始数组中的坐标，不需要额外传递矩形参数。

实现原理

numpy所有数组都内置了几个底层属性，可直接访问：

• .base：如果当前数组是视图，该属性指向生成该视图的父数组；如果是原始数组，该属性为None
• .ctypes.data：当前数组首元素的内存地址
• .itemsize：单个数组元素占用的字节数

通过视图和原始数组的内存地址差，就能算出偏移量，再结合数组形状就能换算出切片坐标。

示例代码

import numpy as np

def get_rect(view, base_arr):
    # 先校验当前视图是否属于base_arr的后代视图
    cur_base = view
    while cur_base.base is not None:
        cur_base = cur_base.base
    if cur_base is not base_arr:
        raise ValueError("输入视图并非指定原始数组的后代视图")
    
    # 计算元素级偏移量
    byte_offset = view.ctypes.data - base_arr.ctypes.data
    elem_offset = byte_offset // base_arr.itemsize

    # 二维数组步长为1的场景坐标换算，可扩展到更高维度
    h, w = base_arr.shape
    start_y = elem_offset // w
    start_x = elem_offset % w
    end_y = start_y + view.shape[0]
    end_x = start_x + view.shape[1]
    
    return (slice(start_y, end_y), slice(start_x, end_x))

测试用例

A = np.zeros((100,100))
# 直接从A切片生成的都是视图
view = A[30:40, 30:40]
subview = view[0:5, 0:5]

coords = get_rect(subview, A)
# 输出坐标为 (slice(30, 35, None), slice(30, 35, None))
print(np.array_equal(A[coords], subview)) # 验证为True

关于视图跟踪类的补充

如果你需要对滤波后的数据也跟踪和原数组的对应关系，不用非要继承numpy.ndarray，可以封装一个轻量数据类：

from dataclasses import dataclass
import numpy as np
from scipy.ndimage import median_filter

@dataclass
class ArrayWithOrigin:
    data: np.ndarray
    origin_arr: np.ndarray
    # 如果有缩放/偏移可以额外加参数，滤波后坐标没有偏移就不用加

# 生成带原始数组关联的实例
filt = ArrayWithOrigin(
    data=median_filter(A, size=5),
    origin_arr=A
)

如果确实需要所有切片视图都自动携带原始数组坐标，用numpy的__array_finalize__钩子实现自定义数组类的成本也很低，不需要处理复杂的内部逻辑。

内容的提问来源于stack exchange，提问作者P i