目录

需求：

 方法：

一、再new一个更大的所需要的矩阵大小 

 二、pad函数

 其他想法

---

需求：

对于图像处理中的一些过程，我需要对读取的numpy矩阵进行size的扩充，比如原本是（4，6）的矩阵，现在需要上下左右各扩充3行，且为了不影响数值计算，都用0填充。

比如下图，我有一个4x5大小的全1矩阵，但是现在我要在四周都加上3行的0来扩充大小，最后扩充完还要对原区域进行操作。

 

 

 

 方法：

想到了几种方法，记录一下。

一、再new一个更大的所需要的矩阵大小 

    a = np.ones((4,5))    #假设原矩阵是4x5的全1矩阵
    print(a.shape)        
    
    b_pad = np.zeros((4 + 6, 5 + 6))    #要四周扩充3行，所以宽高都要加6
    h,w = b.shape
    print(b.shape)        #(10,11)
    b[3:h-3,3:w-3] = a    #再把原矩阵放到相应位置
    print(b)

    #如果要对原数值一一进行操作，可以定位到各元素
    for i in range(3,h-3):        
        for j in range(3,w-3):
            b[i][j] = 2
    print(b)

这个方法简单粗暴，逻辑上比较好理解，但是会消耗内存空间

 二、pad函数

其实numpy已经封装了一个函数，就是pad

    a = np.ones((4,5))
    print(a.shape)
    b = np.pad(a,3,'constant')    #对a，上下左右各扩充3行，constant缺省，默认为0
    print(b)
    print(b.shape)

    #如果只要左上角扩充的话
    c = np.pad(a,(3,0),'constant')
    print(c)
    print(c.shape)

 其他想法

还有两种想法，但我没实践过。一个是 二维转成一维，然后用list在每一组的前后可以加0，用append连接，最后再转成二维。这样子的话，0想放在哪里就可以自己定了。 还有一种是用torch.nn，在pytorch中有对于卷积的0填充padding。不过需要把numpy转成tensor张量，最后再转回来，比较麻烦。