5

我想将刚体变换应用于大量 2D 图像矩阵。理想情况下，我希望能够提供一个仿射变换矩阵，同时指定平移和旋转，一次性应用它，然后对输出进行三次样条插值。

不幸的是，似乎affine_transforminscipy.ndimage.interpolation不做翻译。我知道我可以使用 and 的组合shift，rotate但这有点混乱，并且涉及多次插值输出。

我也尝试过使用这样的泛型geometric_transformation：

import numpy as np
from scipy.ndimage.interpolation import geometric_transformation

# make the affine matrix
def maketmat(xshift,yshift,rotation,dimin=(0,0)):

    # centre on the origin
    in2orig = np.identity(3)
    in2orig[:2,2] = -dimin[0]/2.,-dimin[1]/2.

    # rotate about the origin
    theta = np.deg2rad(rotation)
    rotmat = np.identity(3)
    rotmat[:2,:2] = [np.cos(theta),np.sin(theta)],[-np.sin(theta),np.cos(theta)]

    # translate to new position
    orig2out = np.identity(3)
    orig2out[:2,2] = xshift,yshift

    # the final affine matrix is just the product
    tmat = np.dot(orig2out,np.dot(rotmat,in2orig))

# function that maps output space to input space
def out2in(outcoords,affinemat):
    outcoords = np.asarray(outcoords)
    outcoords = np.concatenate((outcoords,(1.,)))
    incoords = np.dot(affinemat,outcoords)
    incoords = tuple(incoords[0:2])
    return incoords

def rbtransform(source,xshift,yshift,rotation,outdims):

    # source --> target
    forward = maketmat(xshift,yshift,rotation,source.shape)

    # target --> source
    backward = np.linalg.inv(forward)

    # now we can use geometric_transform to do the interpolation etc.
    tformed = geometric_transform(source,out2in,output_shape=outdims,extra_arguments=(backward,))

    return tformed

这可行，但速度非常慢，因为它本质上是在像素坐标上循环！有什么好方法可以做到这一点？

4

2 回答 2

3

你可以使用scikit 图像吗？如果是这种情况，您可以尝试应用单应性。用于通过 3x3 矩阵同时表示平移和旋转的单应性 cab。您可以使用 skimage.transform.fast_homography 函数。

import numpy as np
import scipy
import skimage.transform
im = scipy.misc.lena()
H = np.asarray([[1, 0, 10], [0, 1, 20], [0, 0, 1]])
skimage.transform.fast_homography(im, H)

在我的旧 Core 2 Duo 上，转换大约需要 30 毫秒。

关于单应性：http ://en.wikipedia.org/wiki/Homography

于 2012-07-13T08:11:29.450 回答
3

我认为affine_transform 确实可以进行翻译 --- 有offset参数。

于 2012-07-13T10:56:09.920 回答