Question

是否有与numpy.pad()相反的功能？

我正在寻找的是一个（统一）减少每个方向上的numpy数组（矩阵）的尺寸的函数。我尝试使用负值调用numpy.pad()，但它出错：

import numpy as np

A_flat = np.array([0,1,2,3,4,5,6,7,8,9,10,11])
A = np.reshape(A_flat, (3,2,-1))

#this WORKS:
B = np.pad(A, ((1,1),(1,1),(1,1)), mode='constant')

# this DOES NOT WORK:
C = np.pad(B, ((-1,1),(1,1),(1,1)), mode='constant')

错误：ValueError: ((-1, 1), (1, 1), (1, 1)) cannot contain negative values.

我理解这个函数numpy.pad()不会带负值，但有numpy.unpad()或类似的东西吗？

Answer 1

正如mdurant建议的那样，只需使用切片索引：

In [59]: B[1:-1, 1:-1, 1:-1]
Out[59]: 
array([[[ 0,  1],
        [ 2,  3]],

       [[ 4,  5],
        [ 6,  7]],

       [[ 8,  9],
        [10, 11]]])

Answer 2

您想要的操作：

C = np.pad(B, ((-1,1),(1,1),(1,1)), mode='constant')

可以替换为pad和常规切片：

的组合

C = np.pad(B, ((0,1),(1,1),(1,1)), mode='constant')[1:,...]

Answer 3

一般的解决方法是：

def unpad(x, pad_width):
    slices = []
    for c in pad_width:
        e = None if c[1] == 0 else -c[1]
        slices.append(slice(c[0], e))
    return x[tuple(slices)]

# Test
import numpy as np
pad_width = ((0, 0), (1, 0), (3, 4))

a = np.random.rand(10, 10, 10)
b = np.pad(a, pad_width, mode='constant')
c = unpad(b, pad_width)
np.testing.assert_allclose(a, c)

Answer 4

这是用于居中展开的功能：

def unpad(dens, pad)                                                                                                                                                                                                                                                                      
    """
    Input:  dens   -- np.ndarray(shape=(nx,ny,nz))                                                                                          
            pad    -- np.array(px,py,pz)                                                                                                    

    Output: pdens -- np.ndarray(shape=(nx-px,ny-py,nz-pz))                                                                                 
    """                                                                                                                                     

    nx, ny, nz = dens.shape                                                                                                                                                                                                                                                         
    pl = pad // 2                                                                                                                           
    pr = pad - pl                                                                                                                           

    pdens = dens[pl[0]:nx-pr[0],                                                                                                            
            pl[1]:ny-pr[1],                                                                                                            
            pl[2]:nz-pr[2]]                                                                                                            

    return pdens

是否与numpy.pad（）函数相反/相反？

4 个答案: