将二维图像矩阵reshape()为一维数组，返回值为pixelSequence

### 如何使用 Numpy 创建多维数组 为了创建一个多维数组，可以利用 `numpy` 提供的功能来构建所需的结构。以下是具体方法： 通过 `numpy.arange()` 函数生成一系列连续的整数，并将其转换为指定形状的多维数组。例如，在定义 `cnmda(m, n)` 函数时，可以通过以下方式实现[^1]: ```python import numpy as np def cnmda(m, n): ''' 创建numpy数组 参数： m: 第一维的长度 n: 第二维的长度 返回值: ret: 一个numpy数组 ''' # 使用 arange() 和 reshape() ret = np.arange(n).reshape(1, n) # 创建单行n列的一维数组 ret = np.repeat(ret, m, axis=0) # 复制m次形成m×n矩阵 return ret ``` 另一种更简洁的方式是直接重复列表并转化为 NumPy 数组: ```python import numpy as np def cnmda(m, n): ''' 创建numpy数组 参数： m: 第一维的长度 n: 第二维的长度 返回值: ret: 一个numpy数组 ''' x = [i for i in range(n)] # 构造范围内的序列 ret = np.array([x] * m) # 将其扩展到m行 return ret ``` 以上两种方法都可以成功返回一个大小为 \(m \times n\) 的二维数组。 ### 测试代码示例 下面是一个简单的测试案例用于验证函数是否按预期工作[^2]: ```python if __name__ == "__main__": result = cnmda(3, 4) print(result) ``` 运行此脚本应得到如下输出结果： ``` [[0 1 2 3] [0 1 2 3] [0 1 2 3]] ``` 这表明我们已经正确实现了 `cnmda` 函数以生成所需维度的数组[^3]。

### 如何使用 NumPy 库创建指定维度 \(m \times n\) 的多维数组 NumPy 提供了多种方式来创建多维数组，其中最常用的方法之一是从 Python 列表或嵌套列表转换而来。以下是具体实现方法： #### 方法一：从嵌套列表创建 可以通过 `np.array()` 函数将嵌套列表转化为一个多维数组。 ```python import numpy as np # 定义 m 和 n m, n = 3, 4 # 使用嵌套列表初始化数据 data = [[i * n + j for j in range(n)] for i in range(m)] # 转换为 NumPy 数组 arr = np.array(data) print("Array:\n", arr) print("Shape:", arr.shape) # 验证形状 (m, n) ``` 这种方法适用于已知具体的初始值情况[^1]。 --- #### 方法二：使用 `np.zeros` 或 `np.ones` 如果只需要创建一个特定大小的零矩阵或多维全 1 矩阵，则可以使用 `np.zeros` 或 `np.ones`。 ```python import numpy as np # 定义 m 和 n m, n = 3, 4 # 创建 m 行 n 列的零矩阵 zero_matrix = np.zeros((m, n)) print("Zero Matrix:\n", zero_matrix) # 创建 m 行 n 列的全 1 矩阵 ones_matrix = np.ones((m, n)) print("Ones Matrix:\n", ones_matrix) ``` 这两种方法适合于需要预分配内存的情况[^1]。 --- #### 方法三：使用 `np.random.rand` 当希望生成随机数构成的多维数组时，可利用 `np.random.rand` 来完成。 ```python import numpy as np # 定义 m 和 n m, n = 3, 4 # 创建 m 行 n 列的均匀分布随机浮点数数组 random_array = np.random.rand(m, n) print("Random Array:\n", random_array) ``` 此方法常用于模拟实验或其他需要随机输入的应用场景[^3]。 --- #### 方法四：使用 `np.full` 若想填充某个固定值到整个数组中，可以选择 `np.full`。 ```python import numpy as np # 定义 m 和 n m, n = 3, 4 # 创建 m 行 n 列并填充值为 7 的数组 filled_array = np.full((m, n), 7) print("Filled Array with Value 7:\n", filled_array) ``` 这种方式特别适合构建具有相同初值的数据集。 --- #### 方法五：动态调整现有数组尺寸 有时也可以先定义较小规模的数组再扩展至目标尺寸。 ```python import numpy as np # 初始化一个小数组 small_arr = np.arange(6).reshape(2, 3) # 扩展成更大的形状 expanded_arr = small_arr.repeat(2, axis=0).repeat(2, axis=1)[:m, :n] print("Expanded Array:\n", expanded_arr[:m, :n]) ``` 这种技术对于处理复杂变换非常有用[^4]。 --- ### 总结 以上展示了几种常见的基于 NumPy 构建自定义大小 (\(m \times n\)) 多维数组的技术路径。每种都有其适用范围和特点，在实际开发过程中可以根据需求灵活选用合适的方案。