文章目录

  • ​​基础操作​​
  • ​​插入元素​​
  • ​​计算两点距离​​
  • ​​矩阵操作​​
  • ​​矩阵旋转​​
  • ​​矩阵镜像（flip）​​

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)

numpy——矩阵用法总结_python

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)

numpy——矩阵用法总结_基础操作_02

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])

numpy——矩阵用法总结_矩阵旋转_03