python实现将图像按block划分，然后再将每个block对应像素的位置提取出来，重新拼接成一个新的map

可以使用numpy库对图像进行切块，并使用列表推导式和numpy库函数重新拼接成一个新的map。

以下是一个示例代码：

import numpy as np
from PIL import Image

# 读入图像
img = Image.open('test.jpg')
img_gray = img.convert('L')

# 将图像按block划分
block_size = 32
img_data = np.array(img_gray)
blocks = [img_data[i:i+block_size, j:j+block_size] for i in range(0, img_data.shape[0], block_size) for j in range(0, img_data.shape[1], block_size)]

# 将每个block对应像素的位置提取出来
block_positions = [np.where(block == 255) for block in blocks]

# 重新拼接成一个新的map
new_data = np.zeros(img_data.shape, dtype=np.uint8)
for i in range(len(blocks)):
    positions = block_positions[i]
    new_data[positions[0]+i//int(img_data.shape[1]/block_size)*block_size, positions[1]+i%int(img_data.shape[1]/block_size)*block_size] = 255

# 保存新的图像
new_img = Image.fromarray(new_data)
new_img.save('new_test.jpg')

注意，这里假设图像是灰度图像，处理的像素值为0或255。如果是彩色图像，则需要对R、G、B三个通道分别处理。另外，这里假设图像的宽和高都是block_size的整数倍，如果不是，则需要对最后一行和最后一列的block进行特殊处理。