如何在numpy中获得从高分辨率到低分辨率ndarray的映射

Question

我需要制作一个函数，以高分辨率的索引向量为例，例如hr，并在以低分辨率lr进行采样时输出其对应的索引。

我的想法是创建一个如下的翻译矩阵：

在以下矩阵中，其高分辨率为(6, 12)，其低分辨率为(2, 4)

如果输入向量是

v = [0, 1, 4, 24, 36, 42]

我会实现我的翻译

w = m[v]，我希望输出[0,0,1,0,4,6]

问题：

1. 这是正确的方法吗？
2. 如果是这样，如何在numpy中创建该m ndarray？

如果这个问题的名字更好，请告诉我，以便我进行更改。

Answer 1

节省空间的方式

import numpy as np

hires = np.array((6, 12))
lowres = np.array((2,4))
h, w = hires // lowres

m = np.arange(np.prod(lowres)).reshape(lowres)
print(m)
# [[0 1 2 3]
#  [4 5 6 7]]

v = [0, 1, 4, 24, 36, 42]
i, j = np.unravel_index(v, hires)
w = m[i // h, j // w]
print(w)
# [0 0 1 0 4 6]

低效空间方式：

import numpy as np
hires = np.array((6, 12))
lowres = np.array((2,4))
h, w = hires // lowres

# DON'T DO THIS. INEFFICIENT
m = np.kron(np.arange(np.prod(lowres)).reshape(lowres), np.ones(h, w), )
print(m)
# [[0. 0. 0. 1. 1. 1. 2. 2. 2. 3. 3. 3.]
#  [0. 0. 0. 1. 1. 1. 2. 2. 2. 3. 3. 3.]
#  [0. 0. 0. 1. 1. 1. 2. 2. 2. 3. 3. 3.]
#  [4. 4. 4. 5. 5. 5. 6. 6. 6. 7. 7. 7.]
#  [4. 4. 4. 5. 5. 5. 6. 6. 6. 7. 7. 7.]
#  [4. 4. 4. 5. 5. 5. 6. 6. 6. 7. 7. 7.]]

v = [0, 1, 4, 24, 36, 42]
w = m[np.unravel_index(v, hires)]
print(w)
# [0. 0. 1. 0. 4. 6.]

---

这里的主要思想是使用np.unravel_index将“平面索引”转换为给定要索引到的数组形状的坐标元组。

例如，

In [446]: np.unravel_index([0, 1, 4, 24, 36, 42], (6, 12))
Out[446]: (array([0, 0, 0, 2, 3, 3]), array([0, 1, 4, 0, 0, 6]))

它返回两个索引数组，它们一起给出形状数组（6，12）中的第0个，第一个，第4个等“平整”元素的坐标。

空间效率低的方法构造了一个大m数组，然后通过使用以下坐标w索引m来找到w = m[np.unravel_index(v, hires)]。

更节省空间的方法只是简单地将坐标除以块大小（在这种情况下为3×3）以生成低分辨率坐标。 这避免了生成大矩阵m的需要。我们可以改用较小的矩阵

In [447]: m = np.arange(np.prod(lowres)).reshape(lowres); m
Out[447]: 
array([[0, 1, 2, 3],
       [4, 5, 6, 7]])

并对其进行索引：w = m[i // h, j // w]。

---

您可能还对np.unravel_index的反义词np.ravel_multi_index感兴趣：

In [451]: np.ravel_multi_index((np.array([0, 0, 0, 2, 3, 3]), np.array([0, 1, 4, 0, 0, 6])), (6, 12))
Out[451]: array([ 0,  1,  4, 24, 36, 42])

它将坐标数组i和j转换回v。