Python SciPy – ndimage.map_coordinates()函数

简介

ndimage.map_coordinates()函数是Python SciPy库提供的一个处理n维数组（n-dimensional arrays）的函数。该函数可用于根据给定的坐标，从图像或任何n维数组中提取一个任意位置的值，也可用于进行图像扭曲变形，图像的放大和缩小以及旋转等操作。

语法

ndimage.map_coordinates(input, coordinates, output=None, order=None, mode='reflect', cval=0.0, prefilter=True)

参数说明:

• input: 输入的n维数组。
• coordinates: 表示提取值位置的坐标。
• output: 存放输出数据的数组。如果没有提供，则新建一个数组。
• order: 表示插值时所采用的阶次。它可以是0，1或3，分别表示最近邻插值、线性插值和三次曲线插值。默认值为3。
• mode: 表示扩展输入数组的模式。默认为"reflect"，即表示利用输入数组的边界值进行扩展，其他可用的模式还有"constant"（表示用指定值来扩展）、"nearest"（表示用最近邻值进行扩展）和"wrap"（表示环绕扩展）。
• cval: 表示当mode为"constant"时，用来填充数组的常数值。
• prefilter: 是否启用预过滤器，可以提高插值速度。默认为True。

示例

下面我们来看一个简单的例子。在本例子中，我们使用ndimage.map_coordinates函数来扭曲一个输入图像。我们将首先加载一个输入图像，然后使用ndimage.map_coordinates函数来生成一个新的扭曲图像。

import numpy as np
import scipy.ndimage as ndimage
import matplotlib.pyplot as plt

# 读取输入图像
im = plt.imread("input_image.jpg")

# 构造扭曲矩阵
X, Y = np.meshgrid(np.arange(im.shape[1]), np.arange(im.shape[0]))
dx, dy = 30*np.cos(Y/10), 30*np.sin(X/8)
coords = np.array([Y+dy, X+dx])

# 执行扭曲
im_warp = ndimage.map_coordinates(
    im, coords, order=1, mode='reflect', cval=0.0, prefilter=True)

# 显示结果
plt.imshow(im_warp)
plt.show()

输出结果：

注意事项

• 坐标数组coordinates的最后一个维度必须等于input数组的维度。
• 坐标数组coordinates的形状应为(output_shape, input_rank)，其中output_shape为输出数组的形状，input_rank为输入数组的维度数。
• 如果要在一定程度上控制插值精度和速度，可以通过调整插值阶次order和是否启用预过滤器prefilter来实现。
• 对于灰度图像，input数组的形状应为(height, width)，而对于彩色图像，input数组的形状应为(height, width, depth)，其中depth表示图像通道数。

参考链接

• SciPy官方文档