↑ 点击蓝字 关注视学算法
作者丨土豆@知乎
来源丨https://zhuanlan.zhihu.com/p/257958558
编辑丨极市平台
在pytorch中的双线性采样(Bilinear Sample)
FesianXu 2020/09/16 at UESTC
前言
双线性插值与双线性采样是在图像插值和采样过程中常用的操作,在pytorch
中对应的函数是torch.nn.functional.grid_sample
,本文对该操作的原理和代码例程进行笔记。如有谬误,请联系指正,转载请联系作者并注明出处,谢谢。
E-mail: FesianXu@gmail.com
QQ: 973926198
GitHub: https://github.com/FesianXu
知乎专栏: https://zhuanlan.zhihu.com/c_1265262560611299328
双线性插值原理
插值(interpolation)在数学上指的是 一种估计方法,其根据已知的离散数据点去构造新的数据点。以曲线插值为例子,如Fig 1.1所示的曲线线性插值为例,其中红色数据点是已知的数据点,而蓝色线是根据相邻的两个红色数据点进行线性插值估计出来的。
Fig 1.1 一个简单的曲线线性插值的例子
一维的曲线插值的原理可以推广到任意维度的数据形式上,比如我们常见的图像是一种二维数据,就可以进行二维插值,常见的插值方法如Fig 1.2所示。
Fig 1.2 常见的1D和2D数据插值方法
在本文中,我们主要讨论的是双线性采样,而双线性采样和双线性插值紧密相关,因此本章节主要介绍双线性插值。还是以2D图像插值为例子,如Fig 1.3所示,假设图片上给定了红色数据点的像素值,假设待求的绿色点 ,其中已知每个顶点像素坐标为:
而每个顶点的像素值表示为
然后通过蓝色点,再一次进行线性插值,可以估计出绿色点的值:
因为该方法涉及到了两轮(注意不是两次,而是三次)的线性插值,因此称之为双线性插值(Bilinear Interpolation)。
Fig 1.3 给定了四个红色数据点(像素点)的值,通过双线性插值求中间的绿色数据点的值
双线性采样以及grid_sample
在深度学习框架pytorch中提供了一种称之为双线性采样(Bilinear Sample)的函数torch.nn.functional.grid_sample
[1],该函数主要输入一个形状为
input
张量,输入一个形状为
grid
张量,输出一个形状为
output
张量。
其中
batch
批次,我们主要关注后面的维度的代表意义。输入的grid
是一个
input
上采样的坐标,而输出张量的每个位置output[n,:,h,w]
的值,取决于这个输入input
和采样坐标的值(通过双线性插值形成)。通过这个函数,可以通过指定原图的不同坐标位置,实现图片的变形(deformation)等,在很多研究中有着广泛地应用[2]。
注意到这里的输出张量尺寸和输入张量尺寸是不一定一致的,因此涉及到了插值过程,而且输入的grid
的每一个坐标都是归一化到了
import torch.nn.functional as F
import torch
inputv = torch.arange(4*4).view(1, 1, 4, 4).float()
print(inputv)
'''
输出尺寸为(1,1,4,4)
输出为:tensor([[[[ 0., 1., 2., 3.],
[ 4., 5., 6., 7.],
[ 8., 9., 10., 11.],
[12., 13., 14., 15.]]]])
'''
# 生成grid,这个grid大小为(1,8,8,2),空间尺寸而言是原输入图片的两倍。
d = torch.linspace(-1,1, 8)
meshx, meshy = torch.meshgrid((d, d))
grid = torch.stack((meshy, meshx), 2)
grid = grid.unsqueeze(0) # add batch dim
# 进行双线性采样,其中指定align_corners=True保证了输出的整个图片的角边像素与原输入的一致性。
output = F.grid_sample(inputv, grid,align_corners=True)
print(output)
'''
tensor([[[[ 0.0000, 0.4286, 0.8571, 1.2857, 1.7143, 2.1429, 2.5714,
3.0000],
[ 1.7143, 2.1429, 2.5714, 3.0000, 3.4286, 3.8571, 4.2857,
4.7143],
[ 3.4286, 3.8571, 4.2857, 4.7143, 5.1429, 5.5714, 6.0000,
6.4286],
[ 5.1429, 5.5714, 6.0000, 6.4286, 6.8571, 7.2857, 7.7143,
8.1429],
[ 6.8571, 7.2857, 7.7143, 8.1429, 8.5714, 9.0000, 9.4286,
9.8571],
[ 8.5714, 9.0000, 9.4286, 9.8571, 10.2857, 10.7143, 11.1429,
11.5714],
[10.2857, 10.7143, 11.1429, 11.5714, 12.0000, 12.4286, 12.8571,
13.2857],
[12.0000, 12.4286, 12.8571, 13.2857, 13.7143, 14.1429, 14.5714,
15.0000]]]])
'''
在这个过程中,我们生成的采样坐标网格grid
很简单,单纯只是在x,y两个维度,都把
我们分析下双线性采样后的每个像素的大小计算过程。因为每个输入坐标都是
grid
到实际坐标的映射为:
这个映射将归一化坐标映射到了实际的原图坐标,如果不是方阵,那么就必须对
我们暂时只考虑怎么计算其中某一个像素的值,暂时我们考虑grid
坐标为
grid[0,1,1,:]
,发现这个归一化坐标值为tensor([[-0.7143, -0.7143]])
,那么通过反归一化映射,也就是式子(1)后,有实际图片坐标为
首先求出每一行的插值结果,有
注意:这个输入input
也可以是
Reference
[1]. https://pytorch.org/docs/stable/nn.functional.html#torch.nn.functional.grid_sample
[2]. https://blog.csdn.net/LoseInVain/article/details/108710063
觉得有用麻烦给个在看啦~