【问题标题】:Despite many examples online, I cannot get my MATLAB repmat equivalent working in python尽管网上有很多例子,但我无法让我的 MATLAB repmat 等价物在 python 中工作
【发布时间】:2014-04-06 16:55:54
【问题描述】:

我正在尝试做一些 numpy 矩阵数学运算,因为我需要从 MATLAB 复制 repmat 函数。我知道网上有一千个例子,但我似乎无法让它们中的任何一个起作用。

以下是我要运行的代码:

def getDMap(image, mapSize):
    newSize = (float(mapSize[0]) / float(image.shape[1]), float(mapSize[1]) / float(image.shape[0]))
    sm = cv.resize(image, (0,0), fx=newSize[0], fy=newSize[1])
    for j in range(0, sm.shape[1]):
        for i in range(0, sm.shape[0]):
            dmap = sm[:,:,:]-np.array([np.tile(sm[j,i,:], (len(sm[0]), len(sm[1]))) for k in xrange(len(sm[2]))])
    return dmap 

函数 getDMap(image, mapSize) 需要一个 OpenCV2 HSV 图像作为它的 image 参数,它是一个具有 3 维的 numpy 数组:[:,:,:]。它还期望一个具有 2 个元素的元组作为其 imSize 参数,当然要确保传递参数的函数考虑到在 numpy 数组中交换行和列(不是: x, y, 但是: y, x)。

newSize 然后包含一个元组,其中包含用于将输入图像调整为特定比例的分数,并且 sm 成为输入图像的调整大小版本。这一切都很好。

这是我的目标:

下面一行:

np.array([np.tile(sm[i,j,:], (len(sm[0]), len(sm[1]))) for k in xrange(len(sm[2]))]),

应该函数等效于 MATLAB 表达式:

repmat(sm(j,i,:),[size(sm,1) size(sm,2)]),

这是我的问题:

对此进行测试,尺寸为 800x479x3 的 OpenCV2 图像作为 image 参数和 (64, 48)(元组)传递作为 imSize 参数传递。 但是,在测试时,我得到以下 ValueError:

dmap = sm[:,:,:]-np.array([np.tile(sm[i,j,:], (len(sm[0]), len(sm[1]))) for k in xrange(len(sm[2]))])
ValueError:操作数无法与一起广播 形状 (48,64,3) (64,64,192)

所以看起来数组维度不匹配,numpy 有问题。但我的问题是什么?我怎样才能让它发挥作用?

【问题讨论】:

  • repmat 在使用 Numpy 的代码中很少需要,因为通过广播以更通用的方式提供了相同的功能。

标签: arrays matlab python-2.7 numpy tile


【解决方案1】:

len(sm[0]) 和len(sm[1]) 不是sm 的第一和第二维度的大小。它们是sm 的第一行和第二行的长度,并且都应该返回相同的值。您可能想用sm.shape[0] 和sm.shape[1] 替换它们,它们等同于您的Matlab 代码,尽管我不确定它是否会按您的预期工作。

【讨论】:

  • 你对暗淡的看法是对的。我本可以使用 np.size() 来做到这一点。
【解决方案2】:

这 2 个计算匹配:

octave:26> sm=reshape(1:12,2,2,3)
octave:27> x=repmat(sm(1,2,:),[size(sm,1) size(sm,2)])
octave:28> x(:,:,2)
   7   7
   7   7


In [45]: sm=np.arange(1,13).reshape(2,2,3,order='F')
In [46]: x=np.tile(sm[0,1,:],[sm.shape[0],sm.shape[1],1])
In [47]: x[:,:,1]
Out[47]: 
array([[7, 7],
       [7, 7]])

运行:

 sm[:,:,:]-np.array([np.tile(sm[0,1,:], (2,2,1)) for k in xrange(3)])

但它会生成一个 (3,2,2,3) 数组,并在第一维进行复制。我不认为你想要那个 k 循环。

目的是什么?

 for i in ...:
     for j in ...:
         data = ...

您只会获得最后一次迭代的结果。你想要data += ...吗?如果是这样,这可能会起作用(对于(N,M,K)形sm)

np.sum(np.array([sm-np.tile(sm[i,j,:], (N,M,1)) for i in xrange(N) for j in xrange(M)]),axis=0)

z = np.array([np.tile(sm[i,j,:], (N,M,1)) for i in xrange(N) for j in xrange(M)]),axis=0)
np.sum(sm - z, axis=0)  # let numpy broadcast sm

其实我什至不需要瓷砖。让广播完成工作:

 np.sum(np.array([sm-sm[i,j,:] for i in xrange(N) for j in xrange(M)]),axis=0)

我可以用repeat 摆脱循环。

sm1 = sm.reshape(N*M,L)  # combine 1st 2 dim to simplify repeat
z1 = np.repeat(sm1, N*M, axis=0).reshape(N*M,N*M,L)
x1 = np.sum(sm1 - z1, axis=0).reshape(N,M,L)

我也可以将广播应用于最后一种情况

x4 = np.sum(sm1-sm1[:,None,:], 0).reshape(N,M,L)
# = np.sum(sm1[None,:,:]-sm1[:,None,:], 0).reshape(N,M,L)

使用sm 我必须扩展(和求和)2 个维度:

x5 = np.sum(np.sum(sm[None,:,None,:,:]-sm[:,None,:,None,:],0),1)

【讨论】:

  • 谢谢,感谢您的解释,我已经解决了。我没有完全理解数组内部应该发生什么。具有讽刺意味的是,在实施解决方案之后,我发现有一个函数 numpy.matlib.repmat() 完全符合我的要求。无论如何,感谢您的帮助!
  • matlab.repmat 最终会执行一整串 reshape 和 repeats:a.reshape(1, a.size).repeat(m, 0).reshape(rows, origcols).repeat(n, 0)
  • repmat 的 Octave 版本使用 reshapes 和 ones (1, p)。 reshape 添加或合并维度,ones 扩展选定维度。
  • 我发现问题的对称性是使用 repmat 掩盖的广播。
猜你喜欢
  • 1970-01-01
  • 1970-01-01
  • 2018-05-02
  • 1970-01-01
  • 2021-07-03
  • 2021-11-02
  • 2016-09-18
  • 2018-05-29
  • 2020-02-13
相关资源
最近更新 更多