Python skimage.transform.warp用法及代碼示例

用法: skimage.transform.warp(image, inverse_map, map_args={}, output_shape=None, order=None, mode='constant', cval=0.0, clip=True, preserve_range=False)

根據給定的坐標變換扭曲圖像。

參數：

image：ndarray

輸入圖像。

inverse_map：轉換對象，可調用 cr = f(cr, **kwargs) 或 ndarray

逆坐標圖，將輸出圖像中的坐標轉換為輸入圖像中對應的坐標。

根據輸入圖像的維度，有許多不同的選項可以定義此映射。 2-D 圖像對於gray-scale 圖像可以具有 2 個維度，或者具有顏色信息的 3 個維度。

對於二維圖像，您可以直接傳遞一個轉換對象，例如 skimage.transform.SimilarityTransform ，或者它的倒數。
對於二維圖像，您可以通過(3, 3)齊次變換矩陣，例如skimage.transform SimilarityTransform.params.
對於二維圖像，一個函數將一個(M, 2)數組(col, row)輸出圖像中的坐標到它們在輸入圖像中的對應坐標。可以通過指定函數的額外參數map_args.
對於N-D 圖像，您可以直接傳遞坐標數組。第一個維度指定輸入圖像中的坐標，而後續維度確定輸出圖像中的位置。例如：在二維圖像的情況下，您需要傳遞一個形狀數組(2, rows, cols)，其中行和科爾斯確定輸出圖像的形狀，第一維包含(row, col)輸入圖像中的坐標。看scipy.ndimage.map_coordinates獲取更多文檔。

請注意，(3, 3) 矩陣被解釋為齊次變換矩陣，因此如果輸出的形狀為 (3,) ，則不能對 3-D 輸入中的值進行插值。

有關用法，請參見示例部分。

map_args：字典，可選

傳遞給inverse_map 的關鍵字參數。

output_shape：元組(行，列)，可選

生成的輸出圖像的形狀。默認情況下，輸入圖像的形狀被保留。請注意，即使對於多波段圖像，也隻需要指定行和列。

order：int 可選

插值的順序。順序必須在 0-5 範圍內：

0：Nearest-neighbor
1：Bi-linear(默認)
2：Bi-quadratic
3：Bi-cubic
4：Bi-quartic
5：Bi-quintic

如果 image.dtype 為 bool，則默認值為 0，否則為 1。

mode：{‘constant’, ‘edge’, ‘symmetric’, ‘reflect’, ‘wrap’}，可選

根據給定的模式填充輸入邊界之外的點。模式與 numpy.pad 的行為匹配。

cval：浮點數，可選

與模式‘constant’(圖像邊界外的值)結合使用。

clip：布爾型，可選

是否將輸出裁剪到輸入圖像的值範圍內。這是默認啟用的，因為高階插值可能會產生超出給定輸入範圍的值。

preserve_range：布爾型，可選

是否保持原來的取值範圍。否則，輸入圖像將根據以下約定進行轉換img_as_float.另見https://scikit-image.org/docs/dev/user_guide/data_types.html

warped：雙ndarray: 扭曲的輸入圖像。

注意：

輸入圖像被轉換為雙倍的圖片。
萬一SimilarityTransform,AffineTransform和ProjectiveTransform和次序在 [0, 3] 中，此函數使用底層變換矩陣以更快的例程扭曲圖像。

例子：

>>> from skimage.transform import warp
>>> from skimage import data
>>> image = data.camera()

以下圖像扭曲都是相同的，但在執行時間上存在很大差異。圖像移至底部。

使用幾何變換來扭曲圖像(快速)：

>>> from skimage.transform import SimilarityTransform
>>> tform = SimilarityTransform(translation=(0, -10))
>>> warped = warp(image, tform)

使用可調用(慢)：

>>> def shift_down(xy):
...     xy[:, 1] -= 10
...     return xy
>>> warped = warp(image, shift_down)

使用變換矩陣扭曲圖像(快速)：

>>> matrix = np.array([[1, 0, 0], [0, 1, -10], [0, 0, 1]])
>>> warped = warp(image, matrix)
>>> from skimage.transform import ProjectiveTransform
>>> warped = warp(image, ProjectiveTransform(matrix=matrix))

您還可以使用幾何變換的逆(快速)：

>>> warped = warp(image, tform.inverse)

對於N-D 圖像，您可以傳遞一個坐標數組，它為輸出圖像中的每個元素指定輸入圖像中的坐標。例如：如果你想重新調整一個 3-D 立方體，你可以這樣做：

>>> cube_shape = np.array([30, 30, 30])
>>> rng = np.random.default_rng()
>>> cube = rng.random(cube_shape)

設置坐標數組，定義縮放：

>>> scale = 0.1
>>> output_shape = (scale * cube_shape).astype(int)
>>> coords0, coords1, coords2 = np.mgrid[:output_shape[0],
...                    :output_shape[1], :output_shape[2]]
>>> coords = np.array([coords0, coords1, coords2])

假設立方體包含空間數據，其中第一個數組元素中心位於真實空間中的坐標 (0.5, 0.5, 0.5)，即我們必須在縮放圖像時考慮這個額外的偏移量：

>>> coords = (coords + 0.5) / scale - 0.5
>>> warped = warp(cube, coords)

相關用法

注：本文由純淨天空篩選整理自scikit-image.org大神的英文原創作品 skimage.transform.warp。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。

用法:

參數：

返回：

注意：

例子：