n≥2维数组最后2个维度裁剪的优雅实现方法咨询
通用NumPy多维数组最后两维裁剪实现
核心利用NumPy切片原生支持的Ellipsis(语法缩写为...),自动填充前面所有未指定的维度为全选逻辑,彻底替代多分支重复代码。
优化后最简实现
def crop(self, img, row, col, l): # Ellipsis自动适配前面任意数量的维度,仅对最后2个维度执行裁剪 img_crop = img[..., row:row + l, col:col + l] return img_crop
兼容性说明
- 2维输入:
...无额外占位,逻辑等价于原有img[row:row + l, col:col + l] - 3维输入:
...自动填充首维度为全选,等价于原有img[:, row:row + l, col:col + l] - 任意n≥2维输入:
...会自动适配前面n-2个维度为全选,完全和原有分支逻辑对齐,无逻辑偏差
可扩展备选方案
如果后续需要对前面的维度增加额外控制逻辑,也可以手动构造切片元组实现,适配性更强:
def crop(self, img, row, col, l): # 生成前面n-2个维度的全选切片 slice_list = [slice(None)] * (img.ndim - 2) # 追加最后两个维度的裁剪切片 slice_list.append(slice(row, row + l)) slice_list.append(slice(col, col + l)) img_crop = img[tuple(slice_list)] return img_crop
测试示例
import numpy as np # 2维数组测试 img_2d = np.arange(16).reshape(4, 4) print(crop(None, img_2d, 1, 1, 2)) # 输出: # [[ 5 6] # [ 9 10]] # 3维数组测试 img_3d = np.arange(48).reshape(3, 4, 4) print(crop(None, img_3d, 1, 1, 2).shape) # 输出:(3, 2, 2)
注意:使用前需自行校验
row + l、col + l不超过数组最后两个维度的边界,避免越界报错。
内容的提问来源于stack exchange,提问作者Tue
相关产品推荐
相关产品推荐

