编辑：Tensorflow 1.3现在包含此操作的tf.contrib.resampler。从v0.2开始，PyTorch还支持使用affine_grid函数的此操作。
我想知道在Tensorflow中是否存在等效于cv2.remap（或scipy.ndimage.interpolate.map_coordinates，这基本上是相同的）的函数的官方或自定义实现。
This question类似，但答案不是我要找的，因为tf.contrib.image.transform函数执行投影映射，而cv2.remap和scipy...map_coordinates执行按像素映射。
答案 0 :(得分：0)
我刚刚浏览了GitHub存储库并且似乎没有实现，tf.contrib.image.transform不使用任何子例程并且纯粹返回插值。然而，像素位置本身的变换只是简单的矩阵乘法，你可以自己做。如果您不熟悉，请参阅我的回答here。您需要自己进行插值。基本上你只需将你的坐标放入一个新的(3,N)矩阵（其中N是点数）就像这样（假设你只有N=4点为了简洁）：
x0 x0 x0 x0 x1 x1 x1 x1 x2 x2 x2 x2 x3 x3 x3 x3
y0 y1 y2 y3 y0 y1 y2 y3 y0 y1 y2 y3 y0 y1 y2 y3
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
然后乘以(3,3)转换矩阵以获取新位置
s0*x0' s1*x0' s2*x0' ...
s0*y0' s1*y1' s2*y2' ...
s0 s1 s2
其中s0，...，sN是缩放因子，因此最后除以最后一行以删除缩放，然后将前两行作为您的点。
x0' x0' x0' ...
y0' y1' y2' ...
您需要确保使用浮点运算，然后可以根据需要进行插值。
您可以在TensorFlow中执行所有这些操作。如果您只是将此作为预处理步骤，您当然可以将张量分解为numpy数组并使用cv2.remap或scipy.ndimage.interpolate.map_coordinates进行处理并将其重新置于张量中，但是这样做没有真正的好处。
答案 1 :(得分：0)
迟来的答案
在TF 1.13上有一个新功能tf.contrib.image.dense_image_warp，它或多或少地执行remap但没有插值。