本文介绍一种基于 scipy.linalg.block_diag 的通用方法,用于将两个二维数组沿对角线方向可控重叠拼接,并对重叠区域元素自动取平均,支持指定重叠宽度,且天然兼容稀疏矩阵扩展。 本文介绍一种基于 scipy.linalg.block_diag 的通用方法,用于将两个二维数组沿对角线方向可控重叠拼接,并对重叠区域元素自动取平均,支持指定重叠宽度,且天然兼容稀疏矩阵扩展。在科学计算与信号处理中,常需将多个局部数据块(如分段矩阵、滑动窗口结果或子域解)按一定偏移量"缝合"成一个全局结构。不同于标准的块对角拼接(block_diag),实际场景往往要求相邻块存在可控重叠(overlap),并在重叠区域进行加权融合(如简单平均)。本文提供一种简洁、可扩展、内存友好的实现方案。核心思想:掩码驱动的加权叠加该方法不显式构造全尺寸稠密矩阵,而是利用 block_diag 构建带零填充的稀疏结构,通过分子累加与分母计数双通道叠加,再逐元除法完成平均------本质是"加权和 / 权重和",其中权重为参与叠加的块数量(0 或 1 或 2)。给定两个形状一致的方阵 A 和 B(此处均为 3×3),目标是实现 overlap=2 的重叠拼接(即中间 2 行/列重合),最终输出为 4×4 矩阵:import numpy as npfrom scipy.linalg import block_diagA = np.linspace(1, 9, 9).reshape(3, 3)B = np.linspace(10, 18, 9).reshape(3, 3)overlap = 2? 步骤详解计算补零尺寸:为使 A 的右下角与 B 的左上角重叠 overlap 行列,需在 A 后添加 len(B) - overlap 行/列零垫,在 B 前添加 len(A) - overlap 行/列零垫:pad_A = A.shape0 - overlap # = 1pad_B = B.shape0 - overlap # = 1ZerosA = np.zeros((pad_A, pad_A))ZerosB = np.zeros((pad_B, pad_B))构建分子(Sum)与分母(Denom)矩阵: JoinMC智能客服 JoinMC智能客服,帮您熬夜加班,7X24小时全天候智能回复用户消息,自动维护媒体主页,全平台渠道集成管理,电商物流平台一键绑定,让您出海轻松无忧!
相关推荐
兵慌码乱5 小时前
基于 MediaPipe 与 PySide2 的手势交互音乐控制系统实现:轻量化视觉交互全流程解析luckdewei8 小时前
FastAPI 资产管理系统实战:复杂 ORM 关联、Alembic 迁移与 N+1 查询优化aqi0014 小时前
15天学会AI应用开发(八)使用向量数据库实现RAG功能Csvn15 小时前
`functools.lru_cache` —— 一行代码搞定缓存加速金銀銅鐵1 天前
[Python] 从《千字文》中随机挑选汉字cup111 天前
[技术复盘] Windows Python 打包实战:Nuitka 环境踩坑总结与 CI 自动化构建全指南aqi002 天前
15天学会AI应用开发(七)有了大模型为什么还要引入RAG金銀銅鐵2 天前
用 Python 实现 Take-Away 游戏