我需要使用numpy和scipy将以下Matlab脚本转换为Python。
此脚本计算称为LPQ（局部相位定量器）的功能，该功能通常用于人脸识别。
记录LPQ特征提取的文件可以在这里找到： http://www.ee.oulu.fi/mvg/files/pdf/ICISP08.pdf 2
脚本的 Matlab 版本如下：
function LPQdesc = lpq(img,winSize,mode)
%% Defaul parameters
% Local window size
if nargin<2 || isempty(winSize)
winSize=3; % default window size 3
end
rho=0.90; % Use correlation coefficient rho=0.9 as default
% Local frequency estimation (Frequency points used [alpha,0], [0,alpha], [alpha,alpha], and [alpha,-alpha])
if nargin<4 || isempty(freqestim)
freqestim=1; %use Short-Term Fourier Transform (STFT) with uniform window by default
end
STFTalpha=1/winSize; % alpha in STFT approaches (for Gaussian derivative alpha=1)
sigmaS=(winSize-1)/4; % Sigma for STFT Gaussian window (applied if freqestim==2)
sigmaA=8/(winSize-1); % Sigma for Gaussian derivative quadrature filters (applied if freqestim==3)
% Output mode
if nargin<5 || isempty(mode)
mode='nh'; % return normalized histogram as default
end
% Other
convmode='valid'; % Compute descriptor responses only on part that have full neigborhood. Use 'same' if all pixels are included (extrapolates image with zeros).
%% Check inputs
if size(img,3)~=1
error('Only gray scale image can be used as input');
end
if winSize<3 || rem(winSize,2)~=1
error('Window size winSize must be odd number and greater than equal to 3');
end
if sum(strcmp(mode,{'nh','h','im'}))==0
error('mode must be nh, h, or im. See help for details.');
end
%% Initialize
img=double(img); % Convert image to double
r=(winSize-1)/2; % Get radius from window size
x=-r:r; % Form spatial coordinates in window
u=1:r; % Form coordinates of positive half of the Frequency domain (Needed for Gaussian derivative)
%% Form 1-D filters
% STFT uniform window
% Basic STFT filters
w0=(x*0+1);
w1=exp(complex(0,-2*pi*x*STFTalpha));
w2=conj(w1);
%% Run filters to compute the frequency response in the four points. Store real and imaginary parts separately
% Run first filter
filterResp=conv2(conv2(img,w0.',convmode),w1,convmode);
% Initilize frequency domain matrix for four frequency coordinates (real and imaginary parts for each frequency).
freqResp=zeros(size(filterResp,1),size(filterResp,2),8);
% Store filter outputs
freqResp(:,:,1)=real(filterResp);
freqResp(:,:,2)=imag(filterResp);
% Repeat the procedure for other frequencies
filterResp=conv2(conv2(img,w1.',convmode),w0,convmode);
freqResp(:,:,3)=real(filterResp);
freqResp(:,:,4)=imag(filterResp);
filterResp=conv2(conv2(img,w1.',convmode),w1,convmode);
freqResp(:,:,5)=real(filterResp);
freqResp(:,:,6)=imag(filterResp);
filterResp=conv2(conv2(img,w1.',convmode),w2,convmode);
freqResp(:,:,7)=real(filterResp);
freqResp(:,:,8)=imag(filterResp);
% Read the size of frequency matrix
[freqRow,freqCol,freqNum]=size(freqResp);
%% Perform quantization and compute LPQ codewords
LPQdesc=zeros(freqRow,freqCol); % Initialize LPQ code word image (size depends whether valid or same area is used)
for i=1:freqNum
LPQdesc=LPQdesc+(double(freqResp(:,:,i))>0)*(2^(i-1));
end
%% Switch format to uint8 if LPQ code image is required as output
if strcmp(mode,'im')
LPQdesc=uint8(LPQdesc);
end
%% Histogram if needed
if strcmp(mode,'nh') || strcmp(mode,'h')
LPQdesc=hist(LPQdesc(:),0:255);
end
%% Normalize histogram if needed
if strcmp(mode,'nh')
LPQdesc=LPQdesc/sum(LPQdesc);
end
尝试在python中转换Matlab LPQ函数我生成了以下代码：
# -*- coding: cp1253 -*-
import numpy as np
from scipy.signal import convolve2d
def lpq(img,winSize=3,decorr=0,freqestim=1,mode='nh'):
rho=0.90;
STFTalpha=1/winSize; # alpha in STFT approaches (for Gaussian derivative alpha=1)
sigmaS=(winSize-1)/4; # Sigma for STFT Gaussian window (applied if freqestim==2)
sigmaA=8/(winSize-1); # Sigma for Gaussian derivative quadrature filters (applied if freqestim==3)
convmode='valid'; # Compute descriptor responses only on part that have full neigborhood. Use 'same' if all pixels are included (extrapolates np.image with zeros).
img=np.float64(img); # Convert np.image to double
r=(winSize-1)/2; # Get radius from window size
x=np.arange(-r,r) # Form spatial coordinates in window
u=np.arange(1,r) # Form coordinates of positive half of the Frequency domain (Needed for Gaussian derivative)
if freqestim==1: # STFT uniform window
# Basic STFT filters
w0=(x*0+1);
w1=np.exp(-2*np.pi*x*STFTalpha)
w2=np.conj(w1);
## Run filters to compute the frequency response in the four points. Store np.real and np.imaginary parts separately
# Run first filter
filterResp=convolve2d(convolve2d(img,w0,convmode),w1,convmode);
# Initilize frequency domain matrix for four frequency coordinates (np.real and np.imaginary parts for each frequency).
shape0, shape1 = filterResp.shape
freqResp=np.zeros((shape0,shape1,8));
# Store filter outputs
freqResp[:,:,0]=np.real(filterResp);
freqResp[:,:,1]=np.imag(filterResp);
# Repeat the procedure for other frequencies
filterResp=convolve2d(convolve2d(img,w1.transpose(),convmode),w0,convmode);
freqResp[:,:,2]=np.real(filterResp);
freqResp[:,:,3]=np.imag(filterResp);
filterResp=convolve2d(convolve2d(img,w1.transpose(),convmode),w1,convmode);
freqResp[:,:,4]=np.real(filterResp);
freqResp[:,:,5]=np.imag(filterResp);
filterResp=convolve2d(convolve2d(img,w1.transpose(),convmode),w2,convmode);
freqResp[:,:,6]=np.real(filterResp);
freqResp[:,:,7]=np.imag(filterResp);
# Read the size of frequency matrix
freqRow,freqCol,freqNum=freqResp.shape;
## Perform quantization and compute LPQ codewords
LPQdesc=np.zeros((freqRow,freqCol)); # Initialize LPQ code word np.image (size depends whether valid or same area is used)
for i in range(0, freqNum):
LPQdesc=LPQdesc+((freqResp[:,:,i])>0)*(2^(i-1));
## Switch format to uint8 if LPQ code np.image is required as output
if mode=='im':
LPQdesc=uint8(LPQdesc);
## Histogram if needed
if mode=='nh' or mode=='h':
LPQdesc=np.histogram(LPQdesc[:],range(256));
## Normalize histogram if needed
if mode=='nh':
LPQdesc[0]=LPQdesc[0]/sum(LPQdesc[0]);
print LPQdesc[0]
return LPQdesc[0]
然而，在执行同一图像的python脚本后，我收到以下错误：
Traceback (most recent call last):
File "C:\Users\user\Desktop\source\lpq_parametric.py", line 58, in lpq
filterResp=convolve2d(convolve2d(img,w0,convmode),w1,convmode);
File "C:\Python27\lib\site-packages\scipy\signal\signaltools.py", line 548, in convolve2d
out = sigtools._convolve2d(in1, in2, 1, val, bval, fillvalue)
ValueError: object of too small depth for desired array
由于我是python中的菜鸟和scipy / numpy，我需要帮助将这个python脚本置于功能状态。你能帮我修一下脚本中的错误吗？
答案 0 :(得分：13)
问题似乎与w0，w1和w2有关。 Matlab没有1D数组，所以如果你创建了一个1D数组，它会自动转换为2D数组。然而，numpy确实有1D数组，而arange会生成1D数组。
在这种情况下，从x派生的x和w0，w1和w2都是1D数组。顾名思义，convolve2d需要2D数组。另一方面，img可能是2D阵列。这就是你收到错误的原因。
解决方案是将您的1D x转换为2D值。然后，这将通过涉及x的其他操作继续进行，使w0，w1和w2也成为2D。
这两种方法都应该有效：
x=np.atleast_2d(np.arange(-r,r))
或
x=np.arange(-r,r)[np.newaxis]
第一种情况总是使数组为2D或更高，而第二种情况则添加一个新维度，无论当前维度是什么。既然您已经了解了维度，那就不是问题了。
虽然由于错误而无法访问它，但您的转置操作也无法按预期工作，因为1D数组的转置不会执行任何操作。这也将解决这个问题。
另外，还有其他三件事：
首先，您不需要在行尾添加分号（;）。当它放在Python的一行末尾时它什么都不做。
其次，你正在努力转移。简单的方法是：
filterResp=convolve2d(convolve2d(img,w1.T,convmode),w0,convmode)
第三，可能更容易做类似的事情：
filterResp1=convolve2d(convolve2d(img,w1.T,convmode),w0,convmode)
filterResp2=convolve2d(convolve2d(img,w1.T,convmode),w1,convmode)
filterResp3=convolve2d(convolve2d(img,w1.T,convmode),w2,convmode)
freqResp=np.dstack([np.real(filterResp1),
np.imag(filterResp1),
np.real(filterResp2),
np.imag(filterResp2),
np.real(filterResp3),
np.imag(filterResp3),
np.real(filterResp4),
np.imag(filterResp4)])
<强>更新
我注意到还有许多其他问题在阅读代码：
首先，如果您使用的是python 2.x，那么默认情况下，整数除法会返回一个整数。所以，例如，1/2 == 0。要更改这个1/2 ==。5，然后将其添加到现有导入之上：
from __future__ import division
这在python 3.x中不是问题。
接下来，在python中，np.arange不包括上端，所以：
x=np.arange(-r,r)
应该是：
x=np.arange(-r,r+1)[np.newaxis]
接下来，该行的Matlab版本使用复数：
w1=exp(complex(0,-2*pi*x*STFTalpha));
python版本没有。这意味着python和Matlab版本之间的w1和w2都不同。所以：
w1=np.exp(-2*np.pi*x*STFTalpha)
应该是：
w1=np.exp(-2*np.pi*x*STFTalpha*1j)
接下来，在matlab版本中，您将转置第一个w0：
filterResp=conv2(conv2(img,w0.',convmode),w1,convmode);
在python版本中你不是，所以：
filterResp=convolve2d(convolve2d(img,w0,convmode),w1,convmode);
应该是：
filterResp=convolve2d(convolve2d(img,w0.T,convmode),w1,convmode)
接下来，在python版本中，我已经从0开始，所以从中减去1会改变与Matlab版本相比的值。另外，python使用**代表幂，而不是^（在python中是^二进制异或）。所以：
for i in range(0, freqNum):
LPQdesc=LPQdesc+((freqResp[:,:,i])>0)*(2^(i-1))
应该是：
for i in range(0, freqNum):
LPQdesc=LPQdesc+((freqResp[:,:,i])>0)*(2**i)
接下来，在Matlab中，如你所知，arr（:)会使数组变平。在python中不是这种情况。 Python使用arr.flatten（）。并且直方图返回您不想要的bin边缘。所以你需要改变：
LPQdesc=np.histogram(LPQdesc[:],range(256));
为：
LPQdesc=np.histogram(LPQdesc.flatten(),range(256))[0]
一旦你这样做，为了保持与Matlab版本相同的东西，你需要改变：
if mode=='nh':
LPQdesc[0]=LPQdesc[0]/sum(LPQdesc[0]);
print LPQdesc[0]
return LPQdesc[0]
到：
if mode=='nh':
LPQdesc=LPQdesc/sum(LPQdesc)
print LPQdesc
return LPQdesc
接下来，虽然这不是错误，但您可以简化：
w0=(x*0+1);
要：
w0=np.ones_like(x);
最后，我不知道这条线可能如何运作：
LPQdesc=uint8(LPQdesc);
您可能没有尝试过模式==＆＃39; im＆＃39;。该行应该是：
LPQdesc=np.uint8(LPQdesc)
也不是错误，但你可以使用arr.real和arr.imag来获取python中的实部和虚部，并使用arr.sum（）来获得总和。
也不是错误，但是因为在python中使用子数组并不占用任何额外的内存，所以：
# Read the size of frequency matrix
freqRow,freqCol,freqNum=freqResp.shape
## Perform quantization and compute LPQ codewords
LPQdesc=np.zeros((freqRow,freqCol))
可以成为：
LPQdesc=np.zeros_like(freqResp[:,:,0])
接下来，你永远不会使用你，所以你可以完全摆脱这条线（如果你有你，你会再次需要r + 1）：
u=np.arange(1,r)
你也从未使用过装饰。
接下来，如果freqestim不是1，你永远不会计算w0，w1或w2，所以如果你试图运行除1之外的任何freqstim值，你的程序将会崩溃。我无法解决这个问题，因为我没有＆＃ 39;不知道如何处理freqstim的其他值。
最后，在Matlab和Python中，使用循环表示总和很慢。 Python允许您将低维数组广播到更高维度，因此您可以执行以下操作：
inds = np.arange(freqResp.shape[2])[np.newaxis,np.newaxis,:]
LPQdesc=((freqResp>0)*(2**inds)).sum(2)
所以你的最终python函数看起来应该是这样的：
# -*- coding: cp1253 -*-
from __future__ import division
import numpy as np
from scipy.signal import convolve2d
def lpq(img,winSize=3,freqestim=1,mode='nh'):
rho=0.90
STFTalpha=1/winSize # alpha in STFT approaches (for Gaussian derivative alpha=1)
sigmaS=(winSize-1)/4 # Sigma for STFT Gaussian window (applied if freqestim==2)
sigmaA=8/(winSize-1) # Sigma for Gaussian derivative quadrature filters (applied if freqestim==3)
convmode='valid' # Compute descriptor responses only on part that have full neigborhood. Use 'same' if all pixels are included (extrapolates np.image with zeros).
img=np.float64(img) # Convert np.image to double
r=(winSize-1)/2 # Get radius from window size
x=np.arange(-r,r+1)[np.newaxis] # Form spatial coordinates in window
if freqestim==1: # STFT uniform window
# Basic STFT filters
w0=np.ones_like(x)
w1=np.exp(-2*np.pi*x*STFTalpha*1j)
w2=np.conj(w1)
## Run filters to compute the frequency response in the four points. Store np.real and np.imaginary parts separately
# Run first filter
filterResp1=convolve2d(convolve2d(img,w0.T,convmode),w1,convmode)
filterResp2=convolve2d(convolve2d(img,w1.T,convmode),w0,convmode)
filterResp3=convolve2d(convolve2d(img,w1.T,convmode),w1,convmode)
filterResp4=convolve2d(convolve2d(img,w1.T,convmode),w2,convmode)
# Initilize frequency domain matrix for four frequency coordinates (np.real and np.imaginary parts for each frequency).
freqResp=np.dstack([filterResp1.real, filterResp1.imag,
filterResp2.real, filterResp2.imag,
filterResp3.real, filterResp3.imag,
filterResp4.real, filterResp4.imag])
## Perform quantization and compute LPQ codewords
inds = np.arange(freqResp.shape[2])[np.newaxis,np.newaxis,:]
LPQdesc=((freqResp>0)*(2**inds)).sum(2)
## Switch format to uint8 if LPQ code np.image is required as output
if mode=='im':
LPQdesc=np.uint8(LPQdesc)
## Histogram if needed
if mode=='nh' or mode=='h':
LPQdesc=np.histogram(LPQdesc.flatten(),range(256))[0]
## Normalize histogram if needed
if mode=='nh':
LPQdesc=LPQdesc/LPQdesc.sum()
print LPQdesc
return LPQdesc