我在numpy中遇到了一些困惑,主要是关于striding(步幅)的。我正在编写一些代码来进行多通道图像的插值。我将我的图像定义为
为了插值图像,我正在编写一个方法,其中给定一个
我的问题是,Matlab通过将通道连接在一起来排列其三维内存。这意味着对于一个
我的问题在于numpy按照第三维度对其三维数组进行排序。也就是说,对于一个
我认为可以通过在numpy中使用步幅来解决我的问题。然而,我完全无法想出一个适当的步幅模式。因此,针对我这个例子中的
np.ndarray
类型的三维数组,其形状为[HEIGHT x WIDTH x CHANNELS]
。我编写的C++代码必须在Matlab和Python中都能运行。对于单通道图像,我的代码可以正常工作,在Matlab中多通道图像也可以正常工作。为了插值图像,我正在编写一个方法,其中给定一个
[M x N x P]
数组,您可以提供一组X
和Y
子像素坐标,以在图像中进行插值。这与scipy的ndimage.map_coordinates
的功能相同。不幸的是,我需要一种插值方法,它在Matlab和Python中产生相同的结果,因此我正在编写自己的插值代码。我的问题是,Matlab通过将通道连接在一起来排列其三维内存。这意味着对于一个
[10, 10, 2]
的图像,前100
个元素将是第一个通道,而[100,200]
元素将是第二个通道。因此,为了索引Matlab连续的内存,我按以下方式索引:// 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];
}
我的问题在于numpy按照第三维度对其三维数组进行排序。也就是说,对于一个
[10, 10, 2]
的数组来说,前两个元素是索引[0, 0, 0]
和[0, 0, 1]
。但在Matlab中,它们是索引[0, 0, 0]
和[0, 1, 0]
。我认为可以通过在numpy中使用步幅来解决我的问题。然而,我完全无法想出一个适当的步幅模式。因此,针对我这个例子中的
[10, 10, 2]
数组,请问如何更改步幅(假设是double类型):
>>> np.ones([10,10,2], dtype=np.float64).strides
(160, 16, 8)
如何将其转换为类似Matlab数组索引的形式?
值得一提的是,我知道Matlab和numpy在列优先/行优先方面存在差异。正如我所说,我的方法适用于单通道图像,但在多通道图像上会出现索引错误。