分段变换答案

【问题标题】：Picewise Transformation分段变换
【发布时间】：2017-11-10 18:27:09
【问题描述】：

我正在寻找一个函数，它可以使用 PiecewiseAffineTransform 的所有转换矩阵应用于源数据以一次运行获取目标数据。我可以使用分段变换，但我找不到同时使用所有变换矩阵的函数，这段代码可以在一个循环中使用所有变换矩阵，这不是应该做的正确方式，我还介绍了所有的函数skimage 包中估计的变换矩阵

import numpy as np
from skimage import transform as tf
from sklearn.metrics import mean_squared_error
from skimage.transform import PiecewiseAffineTransform
src = np.array([0,0 , 1,0 , 1,1 , 0,1]).reshape((4, 2))
dst = np.array([3,1 , 3,2 , 2,2 , 2,1]).reshape((4, 2))
tform = tf.estimate_transform('piecewise-affine', src, dst)
print(src)
print(dst)
print(tform.affines[0].params)
print(tform.affines[1].params)
mt = tf.matrix_transform(src, tform.affines[0].params)
print(mt)



>>> dir(tform)
['__add__', '__call__', '__class__', '__delattr__', '__dict__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__gt__', '__hash__', '__init__', '__init_subclass__', '__le__', '__lt__', '__module__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__', '__weakref__', '_inverse_tesselation', '_tesselation', 'affines', 'estimate', 'inverse', 'inverse_affines', 'residuals']

【问题讨论】：

总是使用通用 Python 标记，并且仅在必要时可选地包含任何特定于版本的标记（如果问题与特定版本有关）
@juanpa.arrivillaga 谢谢你的建议，确定会这样做

标签： python numpy scikit-image affinetransform piecewise

【解决方案1】：

只需使用源数据作为参数调用tform 对象（参见https://github.com/scikit-image/scikit-image/blob/master/skimage/transform/_geometric.py#L871）：

In []: src
Out[]: 
array([[0, 0],
       [1, 0],
       [1, 1],
       [0, 1]])

In []: tform(src)
Out[]: 
array([[ 3.,  1.],
       [ 3.,  2.],
       [ 2.,  2.],
       [ 2.,  1.]])

【讨论】：