4

我在 numpy 中大步前进时遇到了一些麻烦。我正在编写一些对多通道图像进行插值的代码。我将图像定义为np.ndarrayshape 类型的3 维数组[HEIGHT x WIDTH x CHANNELS]。我正在编写的 C++ 必须同时在 Matlab 和 Python 中工作。对于单通道图像，我的代码可以正常工作，而对于 Matlab 中的多通道图像，我的代码可以正常工作。

为了插值图像，我正在编写一种方法，给定一个[M x N x P]数组，您可以提供一组要在图像中插值X的Y子像素坐标。这与 scipy 的功能相同ndimage.map_coordinates。不幸的是，我需要一种在 Matlab 和 Python 中产生相同结果的插值方法，因此我推出了我自己的插值代码。

我的问题是Matlab通过一个接一个地堆叠连接通道来安排它的3维内存。这意味着，对于[10, 10, 2]图像，第一个100元素将是第一个通道，元素[100, 200]元素将是第二个通道。因此，为了索引到 Matlab 连续内存，我索引如下：

// i is the element of the indices array
// j is the current channel
// F is the image we are indexing
// F_MAX is M * N (the number of pixels per channel)
// N_ELEMS is the total number of elements in the indices array
// f_index is the index in the contiguous array equivalent to the x and y coordinate in the 2D image
for (size_t j = 0; j < N_CHANNELS; j++)
{
  out[i + j * N_ELEMS] = F[f_index + j * F_MAX];
}

我的问题是 numpy 沿第三轴订购它的 3 维数组。也就是说，给定一个[10, 10, 2]数组，前两个元素是索引[0, 0, 0]和[0, 0, 1]。在 Matlab 中，它们是索引[0, 0, 0]和[0, 1, 0].

我想我可以通过在 numpy 中使用 stride 来纠正我的问题。但是，我完全没有想出合适的步幅模式。因此，对于我的[10, 10, 2]数组示例，如何更改步幅，从（假设双打）：

>>> np.ones([10,10,2], dtype=np.float64).strides
(160, 16, 8)

我可以像对 Matlab 数组一样索引的东西？

我应该提一下，我知道 Matlab 和 numpy 之间的列主要/行主要区别。如前所述，我的方法适用于单通道图像，但超过 1 个通道的索引错误。

4

2 回答 2

4

也许您可以np.swapaxes像下面的 ipython 示例一样使用该函数：

In [1]: a = np.arange(2*2*2).reshape((2,2,2))

In [2]: a
Out[2]: 
array([[[0, 1],
        [2, 3]],

       [[4, 5],
        [6, 7]]])

In [3]: a.flatten()
Out[3]: array([0, 1, 2, 3, 4, 5, 6, 7])

In [4]: np.swapaxes(a,2,1).flatten()
Out[4]: array([0, 2, 1, 3, 4, 6, 5, 7])

编辑：

我认为内部存储器布局仅在您使用交换轴获取数组副本后才会更改，请参阅：

In [6]: b = a.swapaxes(1,2)

In [7]: b.strides
Out[7]: (16, 4, 8)

In [8]: b = a.swapaxes(1,2).copy()

In [9]: b.strides
Out[9]: (16, 8, 4)
于 2013-08-05T20:52:16.390 回答
3

您可以在创建数组时指定 Fortran 排序：

>>> a = np.ones((10,10,2),dtype=np.float64)
>>> a.strides
(160, 16, 8)
>>> b = np.ones((10,10,2),dtype=np.float64,order='f')
>>> b.strides
(8, 80, 800)
于 2013-08-05T20:58:32.290 回答