clip()和切片，是造成图形不同的原因吗

Question

在 NUMPY COOK BOOK 所附代码 memmap.py 里，有如何使用 NumPy 和 Matplotlib 来生成和显示随机方块图像的代码：

import numpy as np
import matplotlib.pyplot as plt

N = 512
NSQUARES = 30

# Initialize
img = np.zeros((N, N), np.uint8)
#centers = np.random.random_integers(0, N, size=(NSQUARES, 2))
centers = np.random.randint(0, N, size=(NSQUARES, 2))
radii = np.random.randint(0, N/9, size=NSQUARES)
colors = np.random.randint(100, 255, size=NSQUARES)

# Generate squares
for i in range(NSQUARES):
   xindices = range(centers[i][0] - radii[i], centers[i][0] + radii[i])
   xindices = np.clip(xindices, 0, N - 1)
   yindices = range(centers[i][1] - radii[i], centers[i][1] + radii[i])
   yindices = np.clip(yindices, 0, N - 1)

   if len(xindices) == 0 or len(yindices) == 0:
      continue

   coordinates = np.meshgrid(xindices, yindices)
   img[coordinates] = colors[i]

# Load into memory map
img.tofile('random_squares.raw')
img_memmap = np.memmap('random_squares.raw', shape=img.shape)

# Display image
plt.imshow(img_memmap)
plt.axis('off')
plt.show()

运行以上代码，得不到方块状的图形，而是得到条状的图形，如下：

修正代码如下，则能得到方块状的图形：

import numpy as np
import matplotlib.pyplot as plt

N = 512
NSQUARES = 30

# Initialize
img = np.zeros((N, N), dtype=np.uint8)
centers = np.random.randint(0, N, size=(NSQUARES, 2))
radii = np.random.randint(0, N//9, size=NSQUARES)  # Ensure integer division
colors = np.random.randint(100, 255, size=NSQUARES)

# Generate squares
for i in range(NSQUARES):
    x = centers[i][0]
    y = centers[i][1]
    r = radii[i]

    xstart = max(x - r, 0)
    xend = min(x + r, N - 1)
    ystart = max(y - r, 0)
    yend = min(y + r, N - 1)

    img[xstart:xend, ystart:yend] = colors[i]

# Load into memory map
img.tofile('random_squares10119.raw')
img_memmap = np.memmap('random_squares10119.raw', shape=img.shape)

# Display image
plt.imshow(img_memmap)
plt.axis('off')
plt.show()

得到的方块状图形：

二者不同，是 clip()和切片的原因吗

Answer 1

以下内容由CHATGPT及阿里嘎多学长共同生成、有用望采纳：

---

在分析这个问题之前，我们先了解一下 NumPy 的 np.clip() 函数和 Python 的切片操作。

1. np.clip() 函数： np.clip() 函数用于将数组中的元素限制在指定的范围内。如果元素的值小于下限，则将其设置为下限值；如果大于上限，则将其设置为上限值。

2. Python 切片操作： 切片操作用于从序列（如列表、元组、字符串等）中提取一部分元素。在 NumPy 数组中，切片操作同样适用，可以提取数组的子集。

现在我们来分析你提供的两段代码。

原始代码问题分析：

原始代码中使用 np.clip() 来限制 xindices 和 yindices 的范围，但是问题出现在 np.meshgrid() 函数的使用上。np.meshgrid() 函数生成一个坐标网格，其输入是两个一维数组，分别表示 x 和 y 轴上的坐标点。然而，np.meshgrid() 并不是用来生成矩形区域的，而是生成一个完整的二维网格，其中每个点都是由 x 轴和 y 轴上的点组合而成。这意味着，即使 xindices 和 yindices 被 np.clip() 限制在了正确的范围内，np.meshgrid() 仍然会生成一个超出实际方块区域的网格，导致在图像上绘制时超出了方块的边界。

修正后的代码分析：

修正后的代码直接使用切片操作来限制 x 和 y 轴的范围，这样可以直接生成方块状的图形。切片操作 xstart:xend 和 ystart:yend 确保了只在这个范围内填充颜色，从而生成了正确的方块图形。

关键差异分析：

• np.clip() 与切片操作：np.clip() 用于确保索引值不会超出数组的边界，但在原始代码中，它与 np.meshgrid() 结合使用时，并没有正确地限制方块的边界。而切片操作直接限制了填充颜色的范围，确保了方块的完整性。
• np.meshgrid() 的误用：原始代码中 np.meshgrid() 的使用导致了超出方块边界的绘制，因为它生成了一个完整的二维网格，而不是一个矩形区域。

结论：

原始代码中的问题不是因为 np.clip() 本身，而是因为 np.clip() 与 np.meshgrid() 结合使用时的不当。修正后的代码通过直接使用切片操作，正确地限制了方块的边界，从而生成了方块状的图形。

关于参考链接，由于你提供的代码示例中并没有直接涉及到外部链接，因此这里不提供具体的链接。但是，你可以查阅 NumPy 和 Matplotlib 的官方文档来获取更多关于 np.clip()、np.meshgrid() 以及切片操作的详细信息。