公务员做网站/电商seo搜索优化

基础操作

插入元素

• np.insert

np.insert(arr, obj, values, axis)
#arr原始数组，可一可多，obj插入元素位置，values是插入内容，axis是按行按列插入。

计算两点距离

• 欧式距离：

vec1 # [N, 2]
vec2 # [N, 2]
np.sqrt(np.sum(np.square(vec1-vec2), axis=-1))

>>> pts
array([[144.63920581,   1.33333333],[183.29429398, 357.41075286],[178.0554849 , 352.42292716],[176.00022123, 339.53192254],[137.78552082,   1.33333333]])
>>> np.sqrt(np.sum(np.square(pts[:-1]-pts[1:]), axis=-1))
array([358.16943552,   7.23350025,  13.05381587, 340.35077357])

矩阵操作

示例图像（后续效果演示均以此图像为基准）：

gt_map.shape # (3, 200, 400)

矩阵旋转

• numpy.rot90(m, k=1, axes=(0, 1))
  • m：输入矩阵；
  • k：顺时针（正数）/逆时针（负数）旋转的次数；
  • axes：旋转哪维度（图片一般为两个）；

# 旋转90度
gt_map = np.rot90(gt_map, k=1, axes=[1,2])	
gt_map.shape	# (3, 400, 200)

矩阵镜像（flip）

• numpy.flip(m, axis=None)
  • m：输入矩阵；
  • axis：指定维度；

# 继续将上图进行短边镜像
gt_map.shape	# (3, 400, 200)
gt_map = np.flip(gt_map, axis=[2])