如何分割数据数组/矩阵并保留各分段的原始全局坐标系？

我完全懂你的需求——把数组或矩阵分割成小块后，每个块里的点还能直接对应到原始全局坐标系的位置，而不是用块内的局部索引。核心思路其实就是分块的同时记录每个块在原始数据中的坐标范围，这样不管是索引还是后续处理，都能轻松关联回原位置。

下面我基于你给出的NumPy代码，完善出具体的实现方案，不管是二维矩阵还是一维数组都适用：

一、二维矩阵分块（带全局坐标） #

先看你提供的图像矩阵例子，我们修改extract_blocks函数，让它不仅返回块数据，还附带每个块对应的原始全局坐标范围：

from pylab import imshow, show
import numpy as np

# 生成70x70的随机二值矩阵（示例数据）
image = np.random.randint(2, size=(70, 70))
lenX, lenY = image.shape  # 直接从数组获取尺寸更灵活，避免硬编码

def extract_blocks_with_coords(a, blocksize):
    M, N = a.shape
    block_h, block_w = blocksize
    
    # 计算沿行、列方向的块数量（自动处理非整数倍尺寸，保留边缘块）
    num_blocks_h = (M + block_h - 1) // block_h
    num_blocks_w = (N + block_w - 1) // block_w
    
    blocks_with_coords = []
    
    for i in range(num_blocks_h):
        # 计算当前块在原始行（Y轴）的起始/结束索引（左闭右开，符合NumPy切片规则）
        y_start = i * block_h
        y_end = min(y_start + block_h, M)
        
        for j in range(num_blocks_w):
            # 计算当前块在原始列（X轴）的起始/结束索引
            x_start = j * block_w
            x_end = min(x_start + block_w, N)
            
            # 提取当前块数据
            block = a[y_start:y_end, x_start:x_end]
            # 保存块和对应的全局坐标范围
            blocks_with_coords.append({
                'block': block,
                'global_coords': (y_start, y_end, x_start, x_end)
            })
    
    return blocks_with_coords

使用示例 #

# 设定块大小为20x20，提取所有块
blocks = extract_blocks_with_coords(image, (20, 20))

# 遍历查看每个块的信息
for idx, item in enumerate(blocks):
    block = item['block']
    y_start, y_end, x_start, x_end = item['global_coords']
    print(f"块 {idx+1}:")
    print(f"  全局坐标范围：行[{y_start}, {y_end}), 列[{x_start}, {x_end})")
    print(f"  块尺寸：{block.shape}\n")

# 把块内局部坐标转换成全局坐标的示例
sample_block = blocks[0]
local_y, local_x = 5, 5  # 块内的局部索引
global_y = sample_block['global_coords'][0] + local_y
global_x = sample_block['global_coords'][2] + local_x

print(f"块内局部坐标({local_y}, {local_x})对应全局坐标({global_y}, {global_x})")
print(f"原始矩阵中该点的值：{image[global_y, global_x]}")
print(f"块内该点的值：{sample_block['block'][local_y, local_x]}")

二、一维数组分块（带全局坐标） #

如果是一维数据数组，思路完全一致，只是坐标范围变成一维的起始/结束索引：

def split_1d_array_with_coords(arr, blocksize):
    n = len(arr)
    num_blocks = (n + blocksize - 1) // blocksize  # 自动处理非整数倍
    blocks_with_coords = []
    
    for i in range(num_blocks):
        start = i * blocksize
        end = min(start + blocksize, n)
        block = arr[start:end]
        blocks_with_coords.append({
            'block': block,
            'global_coords': (start, end)
        })
    
    return blocks_with_coords

# 示例使用
arr = np.arange(100)  # 0到99的一维数组
blocks_1d = split_1d_array_with_coords(arr, 30)
for idx, item in enumerate(blocks_1d):
    print(f"块 {idx+1}: 全局范围[{item['global_coords'][0]}, {item['global_coords'][1]})，内容：{item['block']}")

核心要点总结 #

• 关键是记录坐标范围：分块时必须保存每个块在原始数据中的起始/结束索引，这是关联全局坐标系的核心
• 局部转全局的简单方法：块内的局部索引 + 块的起始索引 = 原始全局索引，完全不需要复杂的坐标系转换
• 兼容非整数倍尺寸：用min(start + blocksize, 总长度)确保边缘块不会越界，保留所有原始数据

内容的提问来源于stack exchange，提问作者ees