Быстрое преобразование 2D твердого тела в numpy / scipy

Я хочу применить преобразования твердого тела к большому набору матриц 2D-изображения. В идеале я бы хотел просто предоставить матрицу аффинного преобразования, определяющую как перевод, так и поворот, применить это за один раз, а затем сделать кубическую сплайн-интерполяцию на выходе.

К сожалению, похоже, что affine_transform в scipy.ndimage.interpolation не выполняет перевод. Я знаю, что я мог бы использовать комбинацию shift и rotate , но это довольно беспорядочно и вовлекает интерполяцию вывода несколько раз.

• Найти разность фаз между двумя (ангармоническими) волнами
• Как правильно сгладить кривую?
• Использование scipy.stats.stats в django после развертывания
• Как увеличить количество подразделений для функций в `scipy.integrate.dblquad`?
• Каков наиболее эффективный способ установки строк в нули для разреженной матрицы scipy?

Я также попытался использовать generic geometric_transformation следующим образом:

 import numpy as np from scipy.ndimage.interpolation import geometric_transformation # make the affine matrix def maketmat(xshift,yshift,rotation,dimin=(0,0)): # centre on the origin in2orig = np.identity(3) in2orig[:2,2] = -dimin[0]/2.,-dimin[1]/2. # rotate about the origin theta = np.deg2rad(rotation) rotmat = np.identity(3) rotmat[:2,:2] = [np.cos(theta),np.sin(theta)],[-np.sin(theta),np.cos(theta)] # translate to new position orig2out = np.identity(3) orig2out[:2,2] = xshift,yshift # the final affine matrix is just the product tmat = np.dot(orig2out,np.dot(rotmat,in2orig)) # function that maps output space to input space def out2in(outcoords,affinemat): outcoords = np.asarray(outcoords) outcoords = np.concatenate((outcoords,(1.,))) incoords = np.dot(affinemat,outcoords) incoords = tuple(incoords[0:2]) return incoords def rbtransform(source,xshift,yshift,rotation,outdims): # source --> target forward = maketmat(xshift,yshift,rotation,source.shape) # target --> source backward = np.linalg.inv(forward) # now we can use geometric_transform to do the interpolation etc. tformed = geometric_transform(source,out2in,output_shape=outdims,extra_arguments=(backward,)) return tformed 

Это работает, но он ужасно медленный, поскольку он по существу зацикливается на пиксельных координатах! Каков хороший способ сделать это?

 import numpy as np import scipy import skimage.transform im = scipy.misc.lena() H = np.asarray([[1, 0, 10], [0, 1, 20], [0, 0, 1]]) skimage.transform.fast_homography(im, H)