Pytorch——实现Tensor矩阵的任意角度旋转、平移操作

矩阵 / 图像 坐标旋转

  • 定义旋转矩阵,对2D的Tensor操作时,shape应当为[B,2,3]
import math
from torch.nn import functional as F

B = 1 # batch size
# 初始化一个旋转角度
angle = 45/180*math.pi
# 创建一个坐标变换矩阵
transform_matrix = torch.tensor([
        [math.cos(angle),math.sin(-angle),0],
        [math.sin(angle),math.cos(angle),0]])
# 将坐标变换矩阵的shape从[2,3]转化为[1,2,3],并重复在第0维B次,最终shape为[B,2,3]
transform_matrix = transform_matrix.unsqueeze(0).repeat(B,1,1)
  • 输入图像src,shape为[H,W],需要将其转换成Tensor后的shape为[B,C,H,W]:(这里做旋转时有一个非常重要的大坑细节:旋转时务必先将tensor转换为正方形,即H=W,否则非正方形旋转会导致较长边出现拉伸情况。
    • 如果输入src的H,W不相等,首先需要做padding将其补全为正方形,同时要保证旋转中心点不变,再进行操作,最后将output的tensor中padding部分去除即可,padding操作如下所示。
# [H,W] ——> [B,C,H,W]
src = torch.tensor(src, dtype=torch.float32).unsqueeze(0).unsqueeze(0)

如果需要padding:(假设src的shape为[1,1,400,200]

B,C,H,W = src.shape # 
# padding
pad_list = torch.split(tensor=(torch.zeros_like(src, device=src.device, dtype=src.dtype)),
                            split_size_or_sections=[int(W/2),int(W/2)],
                            dim=-1)
src= torch.cat([pad_list[0], src, pad_list[1]], dim=-1)
src.shape # [1,1,400,400]
  • 基于torch函数affine_gridgrid_sample实现仿射变换:
# transform_matrix的shape为[B,2,3]
# 变换后tensor的shape与输入tensor相同
grid = F.affine_grid(transform_matrix, # 旋转变换矩阵
                     src.shape)	# 变换后的tensor的shape(与输入tensor相同)

output = F.grid_sample(src, # 输入tensor,shape为[B,C,W,H]
					   grid, # 上一步输出的gird,shape为[B,C,W,H]
					   mode='nearest') # 一些图像填充方法,这里我用的是最近邻
# 输出output的shape为[B,C,W,H] 

如果上一步你进行了padding操作,那么需要取出原src部分:

 output = torch.split(output, # 经过仿射变换后的tensor, shape为[1,1,400,400]
                      split_size_or_sections=[int(W/2), int(W),int(W/2)], # 将其分离为三部分
                      dim=-1)[1]
output.shape # 输出output的shape为[1,1,400,200]
  • 旋转效果(左侧为原图,右侧为没有padding直接旋转45°后图像,可以看出有竖轴方向上有畸变):

在这里插入图片描述

矩阵 / 图像 坐标平移

  • 这里做平移时有一个非常重要的大坑细节:平移的x和y都是经过归一化的,即在[0-1]之间,务必不要以为是平移的像素个坐标。
shift_x = 0.5
shift_y = 0.5
transform_matrix = torch.tensor([
            [1, 0, shift_x],
            [0, 1 ,shift_y]]).unsqueeze(0) # 设B(batch size为1)

其他步骤与旋转相同:

grid = F.affine_grid(transform_matrix, # 旋转变换矩阵
                     src.shape)	# 变换后的tensor的shape(与输入tensor相同)

output = F.grid_sample(src, # 输入tensor,shape为[B,C,W,H]
					   grid, # 上一步输出的gird,shape为[B,C,W,H]
					   mode='nearest') # 一些图像填充方法,这里我用的是最近邻
# 输出output的shape为[B,C,W,H]
  • 平移效果(左侧为原图,右侧为平移后图像):
    在这里插入图片描述

矩阵 / 图像 坐标平移+旋转

import math
from torch.nn import functional as F

B = 1 # batch size
# 初始化旋转角度和平移量
angle = 45/180*math.pi
shift_x = 0.5
shift_y = 0.5
# 创建一个坐标变换矩阵
transform_matrix = torch.tensor([
        [math.cos(angle),math.sin(-angle),shift_x],
        [math.sin(angle),math.cos(angle),shift_y]])
# 将坐标变换矩阵的shape从[2,3]转化为[1,2,3],并重复在第0维B次,最终shape为[B,2,3]
transform_matrix = transform_matrix.unsqueeze(0).repeat(B,1,1)

grid = F.affine_grid(transform_matrix, # 旋转变换矩阵
                     src.shape)	# 变换后的tensor的shape(与输入tensor相同)

output = F.grid_sample(src, # 输入tensor,shape为[B,C,W,H]
					   grid, # 上一步输出的gird,shape为[B,C,W,H]
					   mode='nearest') # 一些图像填充方法,这里我用的是最近邻
# 输出output的shape为[B,C,W,H]
  • 平移+旋转效果:

在这里插入图片描述

参考文章:

  • 12
    点赞
  • 27
    收藏
    觉得还不错? 一键收藏
  • 7
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 7
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值