卷积后切片，-1 索引不起作用

Question

在 SO 上找到 Python 中的 N 维数组卷积之后 我现在面临一个我无法解决的问题。 scipy.ndimage 提供的卷积不允许像 Matlab 的 convn 那样选择卷积的“有效”部分，因此我们需要切出有效部分。

"valid = [slice(kernel.shape[0]//2, -kernel.shape[0]//2), slice(kernel.shape[1]//2, -kernel.shape[1]//2)]"

对于 [2x2] 的内核大小，我不确定为什么我没有为图像 [24x24] 与内核的卷积获得有效切片。

z =  convolve(image,kernel)[valid]

作为回报，我得到了一张 [22x22] 的图像，而我期待的是一张 [23x23] 的图像。 因此，我检查了切片的值，似乎 -1 在这里不起作用。

手动切片

convolve(image,kernel)[1:-1,1:-1] ---> Gives 22x22
convolve(image,kernel)[1:,1:] ---> Gives 23x23

所以问题是......为什么 -1 给出了一个简单数组的最后一项，但在我切片的情况下它忽略了它？

a= np.array([100,101,102])
a[-1]
102

Answer 1

在 Python 中，切片的上限是开放的

In [699]: np.arange(5)
Out[699]: array([0, 1, 2, 3, 4])
In [700]: np.arange(5)[:4]
Out[700]: array([0, 1, 2, 3])
In [701]: np.arange(5)[:-1]
Out[701]: array([0, 1, 2, 3])
In [702]: np.arange(5)[1:-1]
Out[702]: array([1, 2, 3])

在所有 Python 案例中，列表和数组，slice(1,-1) 删除第一项和最后一项。 slice(1,None)（与x[1:] 相同）只删除第一个。

-1 本身表示最后一个；在切片中表示up to, but including, the last。

In [703]: np.arange(5)[-1]
Out[703]: 4

我认为问题只是关于切片，并且适用于任何数组，无论它是否来自卷积。