任何未来遇到类似问题的人,scipy与pytorch仿射变换的问题在于,scipy将变换应用于(0, 0, 0)周围,而pytorch则将其应用于图像/体积的中心。
例如,让我们看一下以下参数:
euler_angles = [ea0, ea1, ea2]
translation = [tr0, tr1, tr2]
scale = [sc0, sc1, sc2]
并创建以下转换矩阵:
R_x(ea0, ea1, ea2) = np.array([[1, 0, 0, 0],
[0, math.cos(ea0), -math.sin(ea0), 0],
[0, math.sin(ea0), math.cos(ea0), 0],
[0, 0, 0, 1]])
R_y(ea0, ea1, ea2) = np.array([[math.cos(ea1), 0, math.sin(ea1), 0],
[0, 1, 0, 0],
[-math.sin(ea1), 0, math.cos(ea1)], 0],
[0, 0, 0, 1]])
R_z(ea0, ea1, ea2) = np.array([[math.cos(ea2), -math.sin(ea2), 0, 0],
[math.sin(ea2), math.cos(ea2), 0, 0],
[0, 0, 1, 0],
[0, 0, 0, 1]])
R = R_x.dot(R_y).dot(R_z)
T(tr0, tr1, tr2) = np.array([[1, 0, 0, -tr0],
[0, 1, 0, -tr1],
[0, 0, 1, -tr2],
[0, 0, 0, 1]])
S(sc0, sc1, sc2) = np.array([[1/sc0, 0, 0, 0],
[0, 1/sc1, 0, 0],
[0, 0, 1/sc2, 0],
[0, 0, 0, 1]])
如果您有一个大小为(100,100,100)的体积,则在体积中心周围进行scipy变换需要先将体积中心移动到(0,0,0),然后在应用S、T和R之后将其移回到(50,50,50)。定义:
T_zero = np.array([[1, 0, 0, 50],
[0, 1, 0, 50],
[0, 0, 1, 50],
[0, 0, 0, 1]])
T_centre = np.array([[1, 0, 0, -50],
[0, 1, 0, -50],
[0, 0, 1, -50],
[0, 0, 0, 1]])
然后,scipy变换在中心周围进行:
transform_scipy_centre = T_zero.dot(T).dot(S).dot(R).T_centre
在PyTorch中,参数有一些细微的差别。翻译是在-1和1之间定义的,它们的顺序也不同。以相同的(100,100,100)体积为例,PyTorch中的平移参数如下:
# Note the order difference
translation_pytorch = =[tr0_p, tr1_p, tr2_p] = [tr0/50, tr2/50, tr1/50]
T_p = T(tr0_p, tr1_p, tr2_p)
比例参数的顺序不同:
scale_pytorch = [sc0_p, sc1_p, sc2_p] = [sc2, sc0, sc1]
S_p = S(sc0_p, sc1_p, sc2_p)
欧拉角是最大的差异。为了获得等效的变换,首先需要将参数取负并按不同的顺序排列:
# Note the order difference
euler_angles_pytorch = [ea0_p, ea1_p, ea2_p] = [-ea0, -ea2, -ea1]
R_x_p = R_x(ea0_p, ea1_p, ea2_p)
R_y_p = R_y(ea0_p, ea1_p, ea2_p)
R_z_p = R_z(ea0_p, ea1_p, ea2_p)
旋转矩阵计算的顺序也是不同的:
#注意顺序差异
R_p = R_x_p.dot(R_z_p).dot(R_y_p)
考虑到所有这些因素,scipy变换为:
transform_scipy_centre = T_zero.dot(T).dot(S).dot(R).T_centre
等同于使用PyTorch transform的:
transform_pytorch = T_p.dot(S_p).dot(R_p)
希望这对你有所帮助!