scipy.ndimage.interpolate.affine_transform 失败

Question

这段代码：

from scipy.ndimage.interpolation import affine_transform
import numpy as np
...
nzoom = 1.2
newimage = affine_transform(self.image, matrix=np.array([[nzoom, 0],[0, nzoom]]))

失败：

RuntimeError: affine matrix has wrong number of rows

矩阵有什么问题？我也试过matrix=[nzoom, nzoom]，根据我对文档的阅读应该做同样的事情，但它以同样的方式失败。

Answer 1

原始代码不适用于 2x2 矩阵的原因是所讨论的图像是 3 维的。请注意，第三维是[R,G,B]，但scipy.ndimage不知道非空间维度；它将所有维度都视为空间维度。使用 2x2 矩阵的示例都是 2D“灰色”图像。

解决方案#1：

affine_transform将输出坐标映射o到源（输入）坐标s为：

s = numpy.dot(matrix,o) + offset

其中matrix和offset是 的参数affine_transform。在多通道图像的情况下，我们不想转换第 3 维。即，我们想要一个输出点对应的源坐标

o == [x, y, z]  # column vector

成为

s == [c00*x + c01*y + dx, c10*x + c11*y + dy, z]  # column vector

为了达到这个结果，我们需要

matrix = [[ c00, c01,  0],
          [ c10, c11,  0],
          [   0,   0,  1]]

offset = [dx, dy, 0]  # column vector

解决方案#2：

另一种解决方案是将 RGB 图像分成 3 个通道，分别变换每个通道，然后将它们组合在一起，

r = rgb[..., 0]
g = rgb[..., 1]
b = rgb[..., 2]
matrix = np.array([[c00, c01], [c10, c11]])
offset = [dx dy]
r = affine_transform(r, matrix=matrix, offset=offset)
g = affine_transform(g, matrix=matrix, offset=offset)
b = affine_transform(b, matrix=matrix, offset=offset)
rgb = np.dstack((r, g, b))

我没有为任何一个解决方案计时，但我希望 #2 比 #1 慢。