Python 归一化：一个numpy数组和一个点之间的欧氏距离

我有一个numpy数组（68x2），对应于检测到的人脸的68个不同点

[16.0000 93.0000]
[17.0000 116.0000]
[20.0000 139.0000]
[25.0000 162.0000]
[33.0000 184.0000]
[47.0000 205.0000]
[66.0000 219.0000] ... until 68

这些点的原点位于图片的左下角。我想根据一个新的中心进行正常化。有两个问题，有没有一种不用循环的方法？根据新的起源，这是正常化的正确方法吗

new_origin = [112,135]
new_X
for point in X[0][0]:
    new_X.append(point-new_origin)

---

如果只想平移这些点，则只需将一个值减去左列（X值），将另一个值减去右列（Y值）：

您可以直接使用：

或者只是：

>>> a - [112, 135]
array([[-112, -134],
       [-110, -132],
       [-108, -130],
       [-106, -128],
       [-104, -126]])

---

请注意，使用numpy时，您几乎不必手动迭代每个元素。

我认为“根据原点进行规范化”没有任何明确的含义，因此如果您希望我们验证您所做的是否正确，您需要更具体一些。当前代码所做的是表示原点位于

new\u origin

的转换坐标系的相同点。很可能这就是您想要的。关于避免循环，您应该能够简单地使用

new\u X=X-new\u origin

（假设

X

实际具有您声称的形状

（68，2）

，尽管您的代码建议不同）@SvenMarnach我正在对图像进行预处理，在那里我找到了68个描述脸部的点：鼻子、嘴巴、眼睛等，因为我对这些点的位置感兴趣（快乐的脸的点应该与悲伤的脸的点处于不同的位置）。所以我想指定一个新的原点（应该在鼻子附近），然后将所有其他点平移到此新轴。我希望这能澄清更多的情况。是的，这就是减去新原点坐标的作用。不过，还有很多其他变换可以应用于“标准化”，比如缩放、旋转或非线性变换。

>>> np.subtract(a, [112, 135])
array([[-112, -134],
       [-110, -132],
       [-108, -130],
       [-106, -128],
       [-104, -126]])

>>> a - [112, 135]
array([[-112, -134],
       [-110, -132],
       [-108, -130],
       [-106, -128],
       [-104, -126]])