重塑Python中的扁平索引

Question

我有一个大小为M * N的图像，其像素坐标根据空间填充曲线被平展为1D阵列（即不是我可以使用重塑的经典光栅化）。

因此，我处理了我的一维数组（平面图像），然后我想将其重新整形为M * N数组（初始大小）。

到目前为止，我已经使用for循环完成了这项工作：

for i in range(img_flat.size):
    img_res[x[i], y[i]] = img_flat[i]

x和y是根据我的路径扫描的x和y像素坐标。

但是，我想知道如何在一个独特的代码行中执行此操作。

Answer 1

如果x和y是维度为1且长度为n的numpy数组，而img_flat的长度为n img_res则为维度2 (h, w)的numpy数组，使得`h * w = n，然后：

img_res[x, y] = img_flat

应该足够了

Answer 2

事实上，这很简单：

vec = np.arange(0, seg.size, dtype=np.uint)
img_res[x[vec], y[vec]] = seg[vec]