图像准备

scipy.ndimage中提供了对数组进行平移、缩放以及旋转操作的函数，分别是shift, zoom, rotate。

为了让演示过程更加直观，这里对lena图进行操作

初步调用

import numpy as np
import matplotlib.pyplot as plt
from scipy.ndimage import *
path = "lena.jpg"
img = plt.imread(path).astype(float)/255
plt.imshow(img)
plt.axis('off')
plt.show()

分别对上述图像进行平移、缩放以及旋转操作，

imDct = {
    
    
    "shift" : shift(img, [50, 50, 0]),
    "zoom" : zoom(img, [1.5, 2, 1]),
    "rotate" : rotate(img, 15, axes=(1,0))
}
fig = plt.figure()
for i, key in enumerate(imDct):
    fig.add_subplot(1,3,i+1)
    plt.imshow(imDct[key])
    plt.title(key)

plt.show()

效果如下

其中，平移和旋转在对原数组进行操作后，空出来的区域补0；而缩放则直接对原数组进行插值。

参数

在这三个函数中，除了input和几何变换的参数之外，还有5个参数output, order, cval, perfilter以及mode，

• 如果output不为None，则将操作后的数组输出到output中
• order为几何变换过程中的插值次数
• cval 当集几何变换中出现空缺时，补充的常数，默认为0
• prefilter 为True时，将在插值前进行样条滤波
• mode 当数组扩展到其边界之外后的处理方法，默认为constant

可见，其中mode这个参数比较重要，设数组中的值为a b c d，则其可选值和插值方案如下

• reflect/grid-mirror 反射取点 (d c b a | a b c d | d c b a)
• mirror 反射取点，不包括边缘点 (d c b | a b c d | c b a)
• constant/grid-constant 添加常数k(k k k k | a b c d | k k k k)
• grid-constant (k k k k | a b c d | k k k k)
• nearest 就近取点 (a a a a | a b c d | d d d d)
• grid-wrap 循环处理 (a b c d | a b c d | a b c d)
• wrap 循环处理，不包括边缘点(d b c d | a b c d | b c a b)

下面以旋转为例，看一下不同mode的效果，旋转函数中有一个axes参数，表示旋转所在的坐标平面。

imDct = {
    
    
    "mirror" : rotate(img, 15, axes=(1,0), mode='mirror'),
    "reflect" : rotate(img, 30, axes=(1,0), mode='reflect'),
    "nearest" : rotate(img, 45, axes=(1,0), mode='nearest'),
}
fig = plt.figure()
for i, key in enumerate(imDct):
    fig.add_subplot(1,3,i+1)
    plt.imshow(imDct[key])
    plt.title(key)

plt.show()

效果如下，果然变得有些诡异呢

其中，mirror旋转了15°，补全方式使用的是mirror，即反射，可以明显看到左上角出现了个帽子的轮廓，而右侧则对镜子进行了镜像；reflect也是反射，其现象与mirror，但因为旋转了30°，所以看起来更加明显；nearest为最近点模式，可以看出，在旋转外部，其补全方式是寻找图像中最近的点的像素。