Python 使用 numpy.roll() 扭曲具有重复边缘的图像答案

【问题标题】：Python distort image with repeating edges using numpy.roll()Python 使用 numpy.roll() 扭曲具有重复边缘的图像
【发布时间】：2021-05-17 14:52:26
【问题描述】：

我有一个带有 (w,h,3) 的 numpy 数组的图像，我想使用一些使用叠加正弦波生成的值沿 y 轴扭曲它。

以下是该方法的代码和 3 张图像（输入、当前输出、所需输出）。所需的输出是使用 Photoshop Wave Distort 过滤器完成的，该过滤器具有重复边缘像素的选项。基本上我想实现该选项以重复边缘像素而不是环绕像素，以便图像看起来更像一条路径。

另一件事是我不认为 np.roll() 是这项工作的正确方法，但我对任何与 numpy 相关的事情都是个菜鸟。

def distortH(data, distortions, w, h):
    imgdata = np.zeros((h, w, 3), dtype=np.uint8)
    for y in range(h):
        imgdata[y] = np.roll(data[y], distortions[y], axis=0)
    return imgdata

数据：带有 w,h,3 的 numpy 数组
distortions: 长度为 h 且带有失真的数组 -500 和 500 之间的值（在这种情况下；失真值将根据图像大小有不同的缩放比例）
w: 图片的宽度
h: 图片的高度

提前致谢！

输入：

电流输出

所需的输出

【问题讨论】：

标签： python arrays python-3.x image numpy

【解决方案1】：

解决了！

numpy.roll() 确实不是正确的方法。

使用 numpy.pad() 解决了它

def distortH(data, distortions, w, h):
    imgdata = np.zeros((h, w, 3), dtype=np.uint8)
    for y in range(h):
        if distortions[y] == 0:
            imgdata[y] = data[y]
        elif distortions[y] > 0:
            ndata = np.pad(data[y], ((distortions[y], 0),(0,0)), mode='edge')
            imgdata[y] = ndata[:len(ndata)-distortions[y], :]
        else:
            ndata = np.pad(data[y], ((0, -distortions[y]),(0,0)), mode='edge')
            imgdata[y] = ndata[-distortions[y]:, :]
    return imgdata

可能不是解决问题的最佳方法。但这比手动遍历所有行并逐个交换像素要快得多。

【讨论】：