如何查找二维灰度数组中最大值的像素地址及缩进错误排查

嘿，我来帮你搞定这个问题！

先解决你遇到的缩进错误 #

你看到的IndentationError: expected an indented block是Python的经典语法问题——循环后的代码块没有正确缩进。Python不像其他语言用大括号划分代码块，它靠缩进（通常是4个空格）来识别哪些代码属于循环体。

你原来的代码里，for x in range(1,50):后面的for y...语句没有缩进，if和print也没跟着缩进，解释器根本不知道这些代码是循环的一部分。另外还要提醒你：Python数组/列表的索引是从0开始的，你写的range(1,50)会跳过第0行，range(1,200)会跳过第0列，大概率会漏掉最大值的位置！

修正后的循环写法 #

import numpy as np

# 假设matrice是你的[50,200]灰度数组
max_value = np.amax(matrice)
# 用range(50)覆盖0-49所有行，range(200)覆盖0-199所有列
for x in range(50):
    for y in range(200):
        if matrice[x, y] == max_value:
            print(f"[{x},{y}]")

更高效的Numpy原生方法 #

其实完全不用手动写双重循环，Numpy提供了专门的函数来快速定位最大值，速度比循环快得多，尤其适合大数组：

1. 找到所有最大值的位置 #

如果你的数组里有多个相同的最大值，这个方法可以一次性找出所有坐标：

import numpy as np

max_value = np.amax(matrice)
# np.where返回两个数组，分别是所有最大值的行索引和列索引
rows, cols = np.where(matrice == max_value)
# 把行和列索引配对输出
for x, y in zip(rows, cols):
    print(f"[{x},{y}]")

2. 只找第一个出现的最大值位置 #

如果只需要第一个最大值的坐标，用这个更简洁：

import numpy as np

# np.argmax返回数组扁平化后的最大值索引，unravel_index把它转成二维坐标
max_pos = np.unravel_index(np.argmax(matrice), matrice.shape)
print(f"第一个最大值的位置：[{max_pos[0]},{max_pos[1]}]")

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