scipy.ndimage.affine_transform

scipy.ndimage.affine_transform(input, matrix, offset=0.0, output_shape=None, output=None, order=3, mode='constant', cval=0.0, prefilter=True)[源代码]

应用仿射变换。

给定输出图像像素索引向量 o 根据位置处的输入图像确定像素值 np.dot(matrix, o) + offset

这将执行“拉”(或“向后”)重采样,将输出空间转换为输入以定位数据。仿射变换通常描述为“推”(或“向前”)方向,将输入转换为输出。如果您有一个用于“推”变换的矩阵,请使用它的逆矩阵 (numpy.linalg.inv )在此函数中。

参数
inputarray_like

输入数组。

matrixndarray

逆坐标变换矩阵,将输出坐标映射到输入坐标。如果 ndim 的维度数。 input ,则给定矩阵必须具有以下形状之一:

  • (ndim, ndim) :每个输出坐标的线性变换矩阵。

  • (ndim,) :假设二维变换矩阵是对角线,对角线由给定值指定。然后使用一种更有效的算法,该算法利用了问题的可分性。

  • (ndim + 1, ndim + 1) :假设使用齐次坐标指定转换 [1]. 在本例中,传递给 offset 被忽略。

  • (ndim, ndim + 1) :如上所述,但齐次变换矩阵的最下面一行总是 [0, 0, ..., 1] ,并且可以省略。

offset浮点或序列,可选

应用变换的数组的偏移量。如果是花车, offset 对于每个轴都是相同的。如果序列, offset 每个轴应包含一个值。

output_shape整型元组,可选

形状元组。

output数组或数据类型,可选

要在其中放置输出的数组,或返回的数组的数据类型。默认情况下,将创建与输入数据类型相同的数组。

order整型,可选

样条插值的阶数,默认为3。阶数必须在0-5范围内。

mode{‘反射’,‘格网镜像’,‘常量’,‘格网常量’,‘最近’,‘镜像’,‘格网换行’,‘WRAP’},可选

这个 mode 参数确定如何将输入数组扩展到其边界之外。默认值为‘Constant’。每个有效值的行为如下所示(请参阅上的其他绘图和详细信息 boundary modes ):

“反思” (d c b a | a b c d | d c b a )

通过反射最后一个像素的边缘来扩展输入。此模式有时也称为半采样对称。

“网格镜”

这是“反映”的同义词。

“常量” (k k k k | a b c d | k k k k )

通过使用相同的常量值(由定义)填充超出边缘的所有值来扩展输入 cval 参数。不会在输入边缘之外执行插值。

‘栅格常数’ (k k k k | a b c d | k k k k )

通过使用相同的常量值(由定义)填充超出边缘的所有值来扩展输入 cval 参数。对于输入范围之外的采样也会进行插值。

“最近的” (a a a a | a b c d | d d d d )

通过复制最后一个像素来扩展输入。

“镜子” (d c b | a b c d | c b a )

通过反射最后一个像素的中心来扩展输入。此模式有时也称为全样本对称。

‘网格换行’ (a b c d | a b c d | a b c d )

通过缠绕到相反的边来扩展输入。

“包装” (d b c d | a b c d | b c a b )

通过缠绕到相对边来延伸输入,但方式是使最后一个点和初始点完全重叠。在这种情况下,没有很好地定义在重叠点将选择哪个样本。

cval标量,可选

在以下情况下填充输入的过去边缘的值 mode 是“恒定的”。默认值为0.0。

prefilter布尔值,可选

确定输入数组是否使用 spline_filter 在插值之前。默认值为True,这将创建临时 float64 筛选值的数组,如果 order > 1 。如果将其设置为False,则在以下情况下输出将略有模糊 order > 1 ,除非输入经过预筛选,即它是调用 spline_filter 在原始输入上。

退货
affine_transformndarray

转换后的输入。

注意事项

给定的矩阵和偏移量用于通过仿射变换为输出中的每个点查找输入中的相应坐标。这些坐标处的输入值由所请求阶次的样条插值确定。根据给定的模式填充输入边界之外的点。

在 0.18.0 版更改: 以前,仿射变换的准确解释取决于矩阵是作为一维阵列还是二维阵列提供的。如果向矩阵参数提供了一维阵列,则索引处的输出像素值 o 是根据输入图像的位置确定的 matrix * (o + offset)

对于复值 input ,此函数独立转换实部和虚部。

1.6.0 新版功能: 增加了复值支持。

参考文献

1

https://en.wikipedia.org/wiki/Homogeneous_coordinates